超越捷径：通过定性推理缓解冻结视觉语言模型中的视觉幻觉

尽管视觉语言模型在通用视觉任务中表现优异，但在面对光学幻觉时感知鲁棒性脆弱，常因依赖语言先验而非视觉证据导致失败。本文提出结构化定性推理（SQI），一种无需训练、以数据为中心的框架，旨在增强冻结模型的视觉 grounding。SQI 通过公理约束注入、分层场景分解和反事实自我验证三个模块，系统性地抑制量化幻觉并解耦背景干扰。实验表明，该方法在 DataCV 2026 挑战赛中获第二名，显著提升了各类幻觉任务的准确率及诊断可解释性。