该文综述多模态大语言模型的幻觉问题，涵盖检测、评估与缓解，提出对比学习、细粒度偏好优化、拒绝抽样、自我检测等方法，并构建M-HalDetect、RAH-Bench等基准，将GPT-3幻觉率从47.5%降至14.5%，提升视觉问答与视频时间理解的可靠性。