Tag · 7 篇
幻觉检测
ZINA：多模态细粒度幻觉检测与编辑
ZINA: Multimodal Fine-grained Hallucination Detection and Editing
为视觉语言模型输出提供细粒度幻觉片段定位与错误类型分类（六类），并给出修正建议，可直接用于VLM生成结果的自动核查与后处理编辑；其基于图结构建模错误类型依赖的合成数据生成方式，也可迁移到其他需要细粒度标注稀缺的多模态任务。
用于大基础模型幻觉检测的李雅普诺夫探针
Lyapunov Probes for Hallucination Detection in Large Foundation Models
把 MLLM 的表征空间当作动力系统，用带导数稳定性约束的轻量探针在输入扰动下检测置信度是否单调衰减，从而区分事实稳定区与幻觉易发边界；这套扰动+稳定性探针可直接接到任意视觉语言模型的隐层特征上做幻觉判别。
以感知为中心的过程奖励模型改进视觉语言模型
Improving Vision-language Models with Perception-centric Process Reward Models
提供了一种可复用的过程奖励模型思路：把 VLM 回答拆成与图像相关的断言，逐条与视觉证据比对以定位感知幻觉片段，并将该信号转为 token 级优势用于 RL 训练或推理时的截断重生成，可直接用于缓解视觉幻觉与提升多模态推理。
HalluGen：合成逼真可控的幻觉以评估图像复原
HalluGen: Synthesizing Realistic and Controllable Hallucinations for Evaluating Image Restoration
HalluGen 提供了一种可控合成幻觉的扩散框架，可用于生成带有类型、位置和严重程度标注的幻觉数据，进而训练无参考幻觉检测器或评估图像质量指标；其提出的 SHAFE 指标利用特征和软注意力池化提升幻觉敏感性，对图像复原任务的可信度评估有直接借鉴意义。
HAD：面向三维重建的幻觉感知扩散先验
HAD: Hallucination-Aware Diffusion Priors for 3D Reconstruction
用前馈新视角合成网络做多视角一致性推理，为扩散生成的增广视图逐像素打幻觉分数并掩码，可直接迁移到任何用扩散先验补视角的重建/生成管线中抑制不一致伪影。
CCCaption：面向完整与正确图像描述的双奖励强化学习
CCCaption: Dual-Reward Reinforcement Learning for Complete and Correct Image Captioning
提出基于双奖励强化学习的图像描述训练框架，利用多个LVLM分解视觉查询来评估完整性和正确性，可复用于其他视觉语言生成任务的奖励设计。
超越全局分数：以细粒度词元定位作为 LVLM 幻觉的鲁棒检测器
Beyond the Global Scores: Fine-Grained Token Grounding as a Robust Detector of LVLM Hallucinations
把「对象词元是否强定位到某个图像块」作为判据，用 patch 级注意力弥散度与语义对齐度两个统计特征做词元级幻觉检测，可作为一种无需额外训练、可解释的 VLM 输出校验插件，接入任意 LVLM 的解码过程。