本文综述了大型视觉语言模型（LVLMs）中的幻觉问题，分析了幻觉的概念、症状及根本原因，评估了现有的检测和缓解方法，并提出了新的评估框架和分类法，以提高模型的可靠性，探讨未来研究方向以应对虚假生成的挑战。

大型语言模型（LLM）在应用中取得成功，但虚假生成问题限制了其发展。研究综述了虚假生成的检测与减轻方法，提出了一种无参考的基于不确定性的检测方法，评估了幻觉表现，并引入了新基准和框架以提高检测有效性。通过多种模型和数据集，研究显示有效降低了幻觉比例，并在相关任务中取得了良好的准确率。