全流暢思維 OST：解決跨模態提早確認的影音推理架構
為何重要
即時影音處理的 AI 應用長期受困於資料不完備時的提早假設與幻覺問題，OST 展示了透過數學化的結構修改（超前推理與驗證區間）提升推理可靠性而非僅靠加大模型規模，這對實現可靠、即時的影音生成與互動具有重要價值。
Omni-Streaming Thinking (OST) 是一種針對 streaming omni-modal 模型「過早跨模態承諾」問題的解決方案；它透過將證據、未來預測與主張分離，並設定事後驗證區間來中斷錯誤的前提假設。
- 基底採用凍結的 *Qwen3-Omni-30B-A3B-Instruct* 模型，透過輕量化適配運作。
- 相比最佳開放式基線，該架構在五項 streaming 和 audio-visual 基準測試中的平均相對表現高出超過 10%。
- 引進 *OST-DiagBench* 測試集（固定影片僅變更音訊），OST 的 d-prime 指標達到 2.95，而基線最高僅 1.38。
- 成功驗證了能顯著降低視覺誘發的聽覺幻覺（VIAH）能力。