学习对抗视频多模态大语言模型中的组合性幻觉

当前视频幻觉缓解研究多关注孤立错误，忽视了时空因素交互引发的组合性幻觉。本文提出 OmniVCHall 基准，系统评估孤立与组合性幻觉，涵盖多样领域及新型相机幻觉类型。针对现有模型性能下降问题，提出 TriCD 对比解码框架，包含自适应扰动控制器和显著性引导增强模块，通过强化学习优化以抑制组合性幻觉。实验表明，该方法在多个骨干网络上平均准确率提升超 10%。