arXiv · cs.AI· Hyeonggeun Han, Taehyun Cho, Sangwoo Hong·· 11 小时前
EGVCA：面向大型视觉语言模型的免训练幻觉缓解方法
From Token Correction to Claim Admission: Training-Free Hallucination Mitigation for Large Vision-Language Models
arXiv:2610.17706v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hyeonggeun Han, Taehyun Cho, Sangwoo Hong
研究任务与主要进展
研究者提出证据引导的视觉主张准入框架EGVCA，仅在语义主张获得足够图像依赖的支持时予以接受，从而减少大型视觉语言模型生成缺乏图像依据的内容。该方法通过比较有图像输入与视觉空输入时的断言似然，并在图像描述中控制语义扩展，在二元视觉问答中结合原子视觉支持与模型原有的Yes--No边际变化。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org