論文の概要: ReactBench: A Cause-Driven Benchmark for Multimodal Hallucination via Systematic Evaluation

• arxiv url: http://arxiv.org/abs/2605.29579v1
• Date: Thu, 28 May 2026 08:23:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.064905
• Title: ReactBench: A Cause-Driven Benchmark for Multimodal Hallucination via Systematic Evaluation
• Title（参考訳）: ReactBench: システム評価によるマルチモーダル幻覚のための原因駆動ベンチマーク
• Authors: Shizhe Zhou, Bohan Jia, Kai Wu, Yan Shen, Tongyun Li, Yuyang Wu, Shaohui Lin,
• Abstract要約: ReactBenchは、複数のタスクと試験スタイルの評価フォーマットを備えた、原因駆動型幻覚ベンチマークである。 ReactBenchは、敵対的なイメージと幻覚を誘発するクエリを生成することによって、エロージャ、非現実的属性、Alteration Tracing、Dense Countingという4つのターゲットタスクを導入した。 標準的な精度に基づく評価の他に、我々はChain-of-Thought推論を利用して、各タスク内での幻覚の微細なサブ原因を特定する。
• 参考スコア（独自算出の注目度）: 21.680168420364584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While multimodal large language models (MLLMs) have achieved rapid progress in vision-language understanding, they remain prone to multimodal hallucinations, producing responses that are inconsistent with the visual input. Existing benchmarks predominantly focus on detecting hallucination outcomes rather than evaluating the underlying causes of these failures. Moreover, many benchmarks rely on simplistic scenarios and limited evaluation formats that no longer challenge state-of-the-art models. To address these limitations, we introduce ReactBench, a cause-driven hallucination benchmark featuring multiple tasks and an exam-style evaluation format. By generating adversarial images and hallucination-inducing queries, ReactBench introduces four targeted tasks: Relational Erasure, Counterfactual Attribute, Alteration Tracing, and Dense Counting. These tasks systematically expose co-occurrence bias, language priors, cross-image comparative perception deficiencies, and fine-grained perceptual bottlenecks. Beyond standard accuracy-based evaluation, we leverage Chain-of-Thought reasoning to identify fine-grained sub-causes of hallucination within each task. Extensive evaluations reveal that current MLLMs remain notably vulnerable to cause-specific hallucination triggers, demonstrating the value of ReactBench as a systematic and interpretable testbed for diagnosing and improving multimodal model robustness. The project page is available at https://reactbench.github.io/.
• Abstract（参考訳）: マルチモーダルな大言語モデル(MLLM)は視覚言語理解の急速な進歩を遂げているが、それらは多モーダルな幻覚の傾向を保ち、視覚入力と矛盾する応答を生み出す。 既存のベンチマークは主に、これらの障害の根本原因を評価するのではなく、幻覚の結果を検出することに焦点を当てている。 さらに、多くのベンチマークは単純なシナリオと限定的な評価形式に依存しており、もはや最先端のモデルには挑戦しない。 これらの制限に対処するため、複数のタスクと試験スタイルの評価フォーマットを備えた原因駆動型幻覚ベンチマークであるReactBenchを紹介した。 ReactBenchは、敵対的なイメージと幻覚誘発クエリを生成することによって、リレーショナル消去、非現実的属性、alteration Tracing、Dense Countingという4つのターゲットタスクを導入した。 これらのタスクは、共起バイアス、言語先行、クロスイメージ比較知覚障害、きめ細かい知覚ボトルネックを体系的に公開する。 標準的な精度に基づく評価の他に、我々はChain-of-Thought推論を利用して、各タスク内での幻覚の微細なサブ原因を特定する。 大規模な評価では、現在のMLLMは原因特異的幻覚の引き金に対して顕著に脆弱であり、マルチモーダルモデルロバストネスの診断と改善のための体系的で解釈可能なテストベッドとしてのReactBenchの価値を実証している。 プロジェクトのページはhttps://reactbench.github.io/.com/で公開されている。

関連論文リスト

• FREAK: A Fine-grained Hallucination Evaluation Benchmark for Advanced MLLMs [34.69526064799019]
  MLLM(Multimodal Large Language Models)は幻覚に悩まされる。 F FREAKはMLLMの微細な幻覚評価のために設計された総合的なベンチマークである。 F FREAKはMLLMの詳細な視覚知覚における幻覚現象を革新的に評価する。
  論文  参考訳（メタデータ） (2026-03-20T08:52:39Z)
• MIRAGE: Assessing Hallucination in Multimodal Reasoning Chains of MLLM [58.2298313720146]
  マルチモーダル幻覚は多源性であり、様々な原因から生じる。 既存のベンチマークでは、知覚誘発幻覚と推論誘発幻覚を適切に区別することができない。
  論文  参考訳（メタデータ） (2025-05-30T05:54:36Z)
• Causal-LLaVA: Causal Disentanglement for Mitigating Hallucination in Multimodal Large Language Models [12.31624700475112]
  MLLM(Multimodal Large Language Models)は視覚的理解タスクにおいて高い性能を示す。 それらはしばしば、対象の幻覚に悩まされる - 入力と矛盾する、あるいは完全に欠落している物体の記述を生成する。 因果的介入を通じて幻覚を緩和する因果的非絡み合いの枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-26T03:53:00Z)
• Reefknot: A Comprehensive Benchmark for Relation Hallucination Evaluation, Analysis and Mitigation in Multimodal Large Language Models [13.48296910438554]
  我々は2万以上の実世界のサンプルからなる関係幻覚を対象とする総合的なベンチマークであるReefknotを紹介した。 関係幻覚を体系的に定義し、知覚的視点と認知的視点を統合するとともに、Visual Genomeのシーングラフデータセットを用いて関係ベースのコーパスを構築する。 本稿では,Reefknotを含む3つのデータセットに対して,幻覚率を平均9.75%削減する信頼性に基づく新たな緩和戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-18T10:07:02Z)
• Evaluating the Quality of Hallucination Benchmarks for Large Vision-Language Models [67.89204055004028]
  LVLM(Large Vision-Language Models)は幻覚に悩まされている。 以前の研究では、さまざまなタイプのタスクと評価指標を特徴とする一連のベンチマークが提案されている。 本稿では,既存の幻覚ベンチマークの信頼性と妥当性を評価するために,幻覚ベンチマーク品質測定フレームワーク(HQM)を提案する。
  論文  参考訳（メタデータ） (2024-06-24T20:08:07Z)
• VALOR-EVAL: Holistic Coverage and Faithfulness Evaluation of Large Vision-Language Models [57.43276586087863]
  LVLM(Large Vision-Language Models)は幻覚に悩まされ、このモデルでは可聴音を発生させるが、実際には誤出力を発生させる。 既存のベンチマークはスコープに限られており、主にオブジェクト幻覚に焦点を当てている。 対象,属性,関係を多次元のベンチマークで表現し,連想バイアスに基づいて画像を選択する。
  論文  参考訳（メタデータ） (2024-04-22T04:49:22Z)

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。