该研究提出了一种在零镜头环境中检测虚构的框架，准确度达到0.78，并介绍了多模态幻觉检测数据集M-HalDetect。研究利用新方法减少幻觉率，推动文本到视频生成技术的发展，并提出了针对视觉幻觉的新型检测系统，显著改善了识别效果。