本研究针对视频语言模型ResNetVLLM中的多模态幻觉问题，提出了改进的Lynx模型和动态知识库策略。实验结果表明，ResNetVLLM-2的准确率从54.8%提升至65.3%，显著增强了模型的可靠性。

本文综述大语言模型幻觉研究进展，涵盖多模态幻觉检测数据集M-HalDetect、AMBER基准、无参考不确定性检测法及HaELM评估框架，并介绍AutoHall自动构建幻觉数据集、HILT数据集与幻觉脆弱性指数HVI，系统分析幻觉来源、检测与缓解方法。