该研究针对视觉语言模型中现有奖励模型的不足，特别是仅提供二元反馈的问题。提出的令牌级探测奖励模型（TLDR）通过细粒度文本标注提升模型性能，改善自我纠正生成和幻觉评估，并显著提高人类标注效率。

研究了虚构角色角色扮演中幻觉的评估和减轻方法，提出了一种名为RoleFact的角色扮演方法，通过调节参数化知识的影响来减轻幻觉。实验证明该方法在对抗性问题的准确性提高了18％，对于时间敏感的访谈减少了44％的时间幻觉。

DiaHalu是第一个基于对话级别的幻觉评估基准，通过整合主题和对话模拟真实的人机互动场景。该数据集对大型语言模型和检测方法具有挑战性，对进一步研究有重要价值。