多模态大型语言模型的幻觉：一项调查
原文中文，约300字，阅读约需1分钟。发表于：。综述着重从细致的分类及持盾人儿的划分、评估基准和减轻方式中就多模式大型语言模型（MLLMs）中产生幻觉的原因进行分析，旨在加深对 MLLMs 中幻觉的理解，并激发该领域的进一步发展。
该文章介绍了细粒度幻视建模和缓解的方法，通过分类和度量幻视的倾向。作者提供了两个幻视方向的理解，并将其细分为内在和外在，严重程度分为温和、中度和令人担忧，同时对幻视进行了六种类型的分类。作者还提供了包含75,000个样本和人工注释的HILT数据集。最后，作者提出了Hallucination Vulnerability Index（HVI），该指数可以量化和评估语言模型在产生幻视方面的脆弱性，并作为人工智能政策制定的标准工具。
