本研究揭示了对比解码策略在多模态大语言模型中解决幻觉问题的局限性，尽管表面上性能有所提升，但这些提升实际上是误导性因素所致，未能有效抑制幻觉。研究挑战了对比解码的有效性，并为更好的解决方案提供了新方向。

本研究提出了一种新方法——补充自适应令牌级对比解码（CATCH），旨在解决大型视觉语言模型中的幻觉问题。该方法通过视觉信息分离和幻觉检测，显著提升了模型在视觉问答任务中的表现，展现出广泛的应用潜力。

本文提出了一种对比解码方法，通过比较模型不同层次的逻辑概率分布，显著提高大型语言模型的文本生成质量，减少幻觉现象。该方法在常识推理和数学推理基准测试中表现优异，提升生成文本的真实性和准确性，且无需额外训练，具有广泛应用潜力。