本文介绍了Instruction Contrastive Decoding（ICD）方法，用于减少大规模视觉-语言模型（LVLMs）在多模态决策和开放性生成方面的幻觉。ICD通过对比标准和干扰指令的分布，增加了对齐的不确定性，有效减去了幻觉概念。实验证明，ICD显著减轻了物体级幻觉和属性级幻觉，并提升了LVLM的一般感知和识别能力。

本文介绍了Instruction Contrastive Decoding（ICD）方法，用于减少大规模视觉-语言模型（LVLMs）在多模态决策和开放性生成方面的幻觉影响。ICD通过对比标准和干扰指令的分布，有效减去幻觉概念，提升LVLM的感知和识别能力。实验证明，ICD显著减轻了物体级和属性级幻觉。