本文探讨了大型视觉语言模型中的幻觉问题，提出通过细粒度人工智能反馈和强化学习来减轻幻觉的方法，并引入了新的评估基准RAH-Bench，实验结果显示改进显著。此外，开发了GUICourse数据集，以提升图形用户界面代理人的性能，展示了在视觉问答和医学图像处理中的应用潜力。

该研究提出了一种基于知识引导的双一致性网络，用于检测具有多媒体内容的谣言。该网络具有两个一致性检测子网络，可以同时捕获跨模态和内容 - 知识水平的不一致性，并在不同丢失视觉模态条件下实现鲁棒的多模态表示学习。实验结果表明，该框架在三个公共实际多媒体数据集上的表现优于最先进的基线。