搜索

肉眼看不出的幻觉？清华提出视觉源幻觉，仅用0.9%数据实现SOTA（在新窗口打开）

新智元报道 多模态大模型的物体幻觉，长期被归因于语言先验。 先看下面两组对话。 第一组，一张只有小狗的照片，问模型「图中有椅子吗」，它答「没有，图中是一只狗」，完全正确； 第二组，另一张照片，问「图中