論文の概要: Mitigating Hallucinations in Large Vision-Language Models without Performance Degradation

• arxiv url: http://arxiv.org/abs/2604.20366v1
• Date: Wed, 22 Apr 2026 09:02:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:11.058847
• Title: Mitigating Hallucinations in Large Vision-Language Models without Performance Degradation
• Title（参考訳）: 性能劣化のない大規模視覚言語モデルにおける幻覚の緩和
• Authors: Xingyu Zhu, Junfeng Fang, Shuo Wang, Beier Zhu, Zhicai Wang, Yonghui Yang, Xiangnan He,
• Abstract要約: LVLM(Large Vision-Language Models)は強力な生成能力を示すが、出力信頼性を損なう幻覚をしばしば生み出す。 本稿では,性能劣化を伴わない幻覚を緩和するための2段階フレームワークMPDを提案する。 MPDは最先端のパフォーマンスを達成し、幻覚を23.4%減らし、一般的な生成能の97.4%を維持している。
• 参考スコア（独自算出の注目度）: 39.98529932278864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Vision-Language Models (LVLMs) exhibit powerful generative capabilities but frequently produce hallucinations that compromise output reliability. Fine-tuning on annotated data devoid of hallucinations offers the most direct solution, while its high computational cost motivates recent representation-based methods, which focus on mitigating hallucinatory components within hidden representations. Though efficient, we empirically observe that these methods degrade general generation capacity due to incomplete extraction of hallucination components and non-selective parameter updates. To address these limitations, we propose MPD, a dual-stage framework for mitigating hallucinations without performance degradation. Specifically, our MPD relies on two essential factors: (1) semantic-aware component disentanglement to extract pure hallucination components, and (2) interpretable parameter updates that selectively modify parameters most relevant to hallucination. Extensive experiments demonstrate that MPD achieves state-of-the-art performance, reducing hallucinations by 23.4\% while maintaining 97.4\% of general generative capability as evaluated on LLaVA-Bench and MME, with no additional computational cost.
• Abstract（参考訳）: LVLM(Large Vision-Language Models)は強力な生成能力を示すが、出力信頼性を損なう幻覚をしばしば生み出す。 幻覚を欠いた注釈付きデータの微調整は最も直接的な解決策であるが、その高い計算コストは隠蔽表現内の幻覚成分を緩和することに焦点を当てた最近の表現に基づく手法を動機付けている。 しかし,これらの手法は幻覚成分の不完全抽出と非選択的パラメータ更新による一般生成能力の低下を実証的に観察した。 これらの制約に対処するため,性能劣化を伴わずに幻覚を緩和するための2段階フレームワークMPDを提案する。 具体的には,(1)純幻覚成分を抽出するための意味認識成分のゆがみ,(2)幻覚成分に最も関係のあるパラメータを選択的に修正する解釈可能なパラメータの更新という2つの重要な要素に依存している。 大規模な実験により、MPDは最先端のパフォーマンスを達成し、LLaVA-BenchとMMEで評価された一般的な生成能の97.4\%を維持しながら、幻覚を23.4\%削減することを示した。

関連論文リスト

• Hallucination-aware intermediate representation edit in large vision-language models [46.189518549824356]
  大規模視覚言語モデルは多モーダル推論と複雑なシーン理解において例外的な性能を示した。 幻覚の緩和に関する最近の研究は、リトレーニング法とコントラストデコーディング(CD)法に焦点を当てている。 本稿では,幻覚表現を動的に検出し,幻覚除去編集を行うフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-31T08:10:13Z)
• HIME: Mitigating Object Hallucinations in LVLMs via Hallucination Insensitivity Model Editing [6.021803204524807]
  LVLM(Large Vision-Language Models)は、マルチモーダル理解機能を示す。 LVLMはオブジェクト幻覚を起こす傾向があり、モデルでは存在しないオブジェクトや属性の誤った事実情報を記述している。 HIME(Halucination Insensitivity Model Editing)は,隠れた特徴を選択的に修正し,幻覚を抑制する階層適応的な重み編集手法である。
  論文  参考訳（メタデータ） (2026-02-21T04:16:17Z)
• SHALE: A Scalable Benchmark for Fine-grained Hallucination Evaluation in LVLMs [52.03164192840023]
  LVLM(Large Vision-Language Models)は、いまだ幻覚に悩まされている。 本稿では,スケーラブルで制御可能で多様な評価データを生成する自動データ構築パイプラインを提案する。 我々は,忠実度と事実性幻覚の両方を評価するためのベンチマークであるSHALEを構築した。
  論文  参考訳（メタデータ） (2025-08-13T07:58:01Z)
• HalluLens: LLM Hallucination Benchmark [49.170128733508335]
  大規模言語モデル(LLM)は、しばしばユーザ入力やトレーニングデータから逸脱する応答を生成する。 本稿では,新たな内因性評価タスクと既存内因性評価タスクを併用した総合幻覚ベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-04-24T13:40:27Z)
• ANAH-v2: Scaling Analytical Hallucination Annotation of Large Language Models [65.12177400764506]
  大規模言語モデル (LLM) は、様々な領域や広範囲のアプリケーションにまたがる、長い形式の質問応答タスクにおいて幻覚を示す。 現在の幻覚検出と緩和データセットはドメインやサイズによって制限されている。 本稿では,幻覚アノテーションデータセットを同時に,段階的にスケールアップする反復的自己学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-05T17:56:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。