本文探讨了大规模视觉语言模型（LVLMs）中的物体幻觉问题，并提出了视觉对比解码（VCD）、指令对比解码（ICD）和自我反思解码（SID）等新方法。这些方法通过增强视觉与文本之间的联系，提高了生成内容的准确性和质量，减少了幻觉现象，推动了多模态模型的实际应用。

本论文研究了大型视觉语言模型中的物体幻觉问题，提出了视觉对比解码和指令对比解码等改进方法，有效减轻幻觉现象并提升模型性能。同时，分析了幻觉的根本原因，并提出了新的评估基准，推动未来研究方向。