视觉幻觉评估

面向多模态大语言模型的接地思维链

Grounded Chain-of-Thought for Multimodal Large Language Models

提出 Grounded Chain-of-Thought 任务与 MM-GCoT 基准，要求 MLLM 在逐步推理中显式输出视觉线索的 grounding 坐标，并引入答案-定位一致性指标，可用于诊断和缓解多模态模型在视觉空间推理中的幻觉问题。