Buchumschlag

Towards Understanding Text Hallucination of Diffusion Models via Local Generation Bias

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Rui, Wang, Runzhe, Lyu, Kaifeng, Jiang, Xitai, Huang, Gao, Wang, Mengdi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Boosting LLM Reasoning via Human-Inspired Reward Shaping
von: Lin, Wenze, et al.
Veröffentlicht: (2026)

When Bias Pretends to Be Truth: How Spurious Correlations Undermine Hallucination Detection in LLMs
von: Wang, Shaowen, et al.
Veröffentlicht: (2025)

From Reasoning Chains to Verifiable Subproblems: Curriculum Reinforcement Learning Enables Credit Assignment for LLM Reasoning
von: Jiang, Xitai, et al.
Veröffentlicht: (2026)

Latent Diffusion Models for Controllable RNA Sequence Generation
von: Huang, Kaixuan, et al.
Veröffentlicht: (2024)

Quantifying and Understanding Uncertainty in Large Reasoning Models
von: Li, Yangyi, et al.
Veröffentlicht: (2026)

On the Trainability of Masked Diffusion Language Models via Blockwise Locality
von: Wang, Yuxiang, et al.
Veröffentlicht: (2026)

Toward a Unified Geometry Understanding: Riemannian Diffusion Framework for Graph Generation and Prediction
von: Gao, Yisen, et al.
Veröffentlicht: (2025)

Towards Theoretical Understandings of Self-Consuming Generative Models
von: Fu, Shi, et al.
Veröffentlicht: (2024)

Empowering Diffusion Models on the Embedding Space for Text Generation
von: Gao, Zhujin, et al.
Veröffentlicht: (2022)

SPA: A Simple but Tough-to-Beat Baseline for Knowledge Injection
von: Tang, Kexian, et al.
Veröffentlicht: (2026)

A Theoretical Understanding of Gradient Bias in Meta-Reinforcement Learning
von: Feng, Xidong, et al.
Veröffentlicht: (2021)

SpecDec++: Boosting Speculative Decoding via Adaptive Candidate Lengths
von: Huang, Kaixuan, et al.
Veröffentlicht: (2024)

G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion
von: Liu, Mengdi, et al.
Veröffentlicht: (2025)

Making RL with Preference-based Feedback Efficient via Randomization
von: Wu, Runzhe, et al.
Veröffentlicht: (2023)

The Safety-Aware Denoiser for Text Diffusion Models
von: Yusuf, Amman, et al.
Veröffentlicht: (2026)

Can Small Training Runs Reliably Guide Data Curation? Rethinking Proxy-Model Practice
von: Wang, Jiachen T., et al.
Veröffentlicht: (2025)

A Review of Reinforcement Learning in Financial Applications
von: Bai, Yahui, et al.
Veröffentlicht: (2024)

Do Physics Foundation Models Learn Generalizable Physics? A Bias-Aware Benchmark Across Physical Regimes and Distribution Shifts
von: Chu, Mengdi, et al.
Veröffentlicht: (2026)

Mind the Model, Not the Agent: The Primacy Bias in Model-based RL
von: Qiao, Zhongjian, et al.
Veröffentlicht: (2023)

BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

Towards Mitigation of Hallucination for LLM-empowered Agents: Progressive Generalization Bound Exploration and Watchdog Monitor
von: Liu, Siyuan, et al.
Veröffentlicht: (2025)

Understanding What Affects the Generalization Gap in Visual Reinforcement Learning: Theory and Empirical Evidence
von: Lyu, Jiafei, et al.
Veröffentlicht: (2024)

Causal Diffusion Autoencoders: Toward Counterfactual Generation via Diffusion Probabilistic Models
von: Komanduri, Aneesh, et al.
Veröffentlicht: (2024)

Mitigating Hallucinations in Large Language Models via Causal Reasoning
von: Li, Yuangang, et al.
Veröffentlicht: (2025)

FaultDiffusion: Few-Shot Fault Time Series Generation with Diffusion Model
von: Xu, Yi, et al.
Veröffentlicht: (2025)

The Power of Power Law: Asymmetry Enables Compositional Reasoning
von: Wang, Zixuan, et al.
Veröffentlicht: (2026)

Inference Attacks Against Graph Generative Diffusion Models
von: Wang, Xiuling, et al.
Veröffentlicht: (2026)

BD-Merging: Bias-Aware Dynamic Model Merging with Evidence-Guided Contrastive Learning
von: Xie, Yuhan, et al.
Veröffentlicht: (2026)

Toward Theoretical Insights into Diffusion Trajectory Distillation via Operator Merging
von: Gao, Weiguo, et al.
Veröffentlicht: (2025)

ChatTraffic: Text-to-Traffic Generation via Diffusion Model
von: Zhang, Chengyang, et al.
Veröffentlicht: (2023)

Diffusion Adaptive Text Embedding for Text-to-Image Diffusion Models
von: Na, Byeonghu, et al.
Veröffentlicht: (2025)

T2IBias: Uncovering Societal Bias Encoded in the Latent Space of Text-to-Image Generative Models
von: Sufian, Abu, et al.
Veröffentlicht: (2025)

Towards Green AI in Fine-tuning Large Language Models via Adaptive Backpropagation
von: Huang, Kai, et al.
Veröffentlicht: (2023)

Understanding Simplicity Bias towards Compositional Mappings via Learning Dynamics
von: Ren, Yi, et al.
Veröffentlicht: (2024)

Understanding and Enhancing the Planning Capability of Language Models via Multi-Token Prediction
von: Zhong, Qimin, et al.
Veröffentlicht: (2025)

FADE: Towards Fairness-aware Generation for Domain Generalization via Classifier-Guided Score-based Diffusion Models
von: Lin, Yujie, et al.
Veröffentlicht: (2024)

On the Statistical Complexity for Offline and Low-Adaptive Reinforcement Learning with Structures
von: Yin, Ming, et al.
Veröffentlicht: (2025)

OAEI-LLM-T: A TBox Benchmark Dataset for Understanding Large Language Model Hallucinations in Ontology Matching
von: Qiang, Zhangcheng, et al.
Veröffentlicht: (2025)

Intruding with Words: Towards Understanding Graph Injection Attacks at the Text Level
von: Lei, Runlin, et al.
Veröffentlicht: (2024)

Anomaly Detection and Generation with Diffusion Models: A Survey
von: Liu, Yang, et al.
Veröffentlicht: (2025)