arXiv · cs.CL· Hsin-Ling Hsu·· 11 天前AI 评分36
并非所有提及都是断言：重新思考视觉语言模型中的对象幻觉检测
Not Every Mention Is a Claim: Rethinking Object Hallucination Detection in Vision-Language Models
来源与原文
arXiv · cs.CL
作者：Hsin-Ling Hsu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.23610v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项研究提出 NAME-Bench，从五个 VLM 为 COCO 图像生成的字幕中标注 25,497 个对象提及，将“非断言性提及”与真实幻觉区分开。现有幻觉检测器将 14%–80% 的非断言提及误判为幻觉；把这类提及作为负样本加入训练可在 LLaVA-1.5 上基本纠正，但在四个更新的 VLM 上需五到十倍数据且会漏检更多真实幻觉。研究认为幻觉评测应区分字幕“断言”与“仅仅提及”的对象。
来源：arXiv · cs.CL · arxiv.org