LVLM（大型视觉语言模型）存在幻觉问题，导致生成的文本与视觉输入不一致。研究人员提出了视觉和文本干预（VTI）技术，通过调整潜在空间表示来稳定视觉特征，从而减少幻觉。实验结果显示，VTI在多个基准测试中优于传统方法，强调了特征稳定性的重要性，为LVLM的实际应用提供了可靠性解决方案。