Buchumschlag

Identify, Isolate, and Purge: Mitigating Hallucinations in LVLMs via Self-Evolving Distillation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Wenhao, Su, Xiu, Wu, Jingyi, Yang, Feng, Liu, Yang, Chen, Yi, You, Shan, Xu, Chang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Revealing Perception and Generation Dynamics in LVLMs: Mitigating Hallucinations via Validated Dominance Correction
von: Lyu, Guangtao, et al.
Veröffentlicht: (2025)

Towards Interpretable Hallucination Analysis and Mitigation in LVLMs via Contrastive Neuron Steering
von: Lyu, Guangtao, et al.
Veröffentlicht: (2026)

MRFD: Multi-Region Fusion Decoding with Self-Consistency for Mitigating Hallucinations in LVLMs
von: Ge, Haonan, et al.
Veröffentlicht: (2025)

HIME: Mitigating Object Hallucinations in LVLMs via Hallucination Insensitivity Model Editing
von: Akl, Ahmed, et al.
Veröffentlicht: (2026)

SAVAA: Mitigating Hallucinations in LVLMs via Step-wise Adaptive Visual Attention Amplification
von: Zhang, Jiacheng, et al.
Veröffentlicht: (2026)

Countering the Over-Reliance Trap: Mitigating Object Hallucination for LVLMs via a Self-Validation Framework
von: Liu, Shiyu, et al.
Veröffentlicht: (2026)

Optimizing LVLMs with On-Policy Data for Effective Hallucination Mitigation
von: Yu, Chengzhi, et al.
Veröffentlicht: (2025)

See Different, Think Better: Visual Variations Mitigating Hallucinations in LVLMs
von: Dai, Ziyun, et al.
Veröffentlicht: (2025)

Mitigating Object Hallucinations in LVLMs via Attention Imbalance Rectification
von: Sun, Han, et al.
Veröffentlicht: (2026)

Mitigating Action-Relation Hallucinations in LVLMs via Relation-aware Visual Enhancement
von: Qin, Zhenxin, et al.
Veröffentlicht: (2026)

Revealing and Enhancing Core Visual Regions: Harnessing Internal Attention Dynamics for Hallucination Mitigation in LVLMs
von: Lyu, Guangtao, et al.
Veröffentlicht: (2026)

CATCH: Complementary Adaptive Token-level Contrastive Decoding to Mitigate Hallucinations in LVLMs
von: Kan, Zhehan, et al.
Veröffentlicht: (2024)

MDSAM:Memory-Driven Sparse Attention Matrix for LVLMs Hallucination Mitigation
von: Lu, Shuaiye, et al.
Veröffentlicht: (2025)

Attention Hijackers: Detect and Disentangle Attention Hijacking in LVLMs for Hallucination Mitigation
von: Chen, Beitao, et al.
Veröffentlicht: (2025)

TARAC: Mitigating Hallucination in LVLMs via Temporal Attention Real-time Accumulative Connection
von: Jiang, Lei, et al.
Veröffentlicht: (2025)

Steering LVLMs via Sparse Autoencoder for Hallucination Mitigation
von: Hua, Zhenglin, et al.
Veröffentlicht: (2025)

MHSA: A Lightweight Framework for Mitigating Hallucinations via Steered Attention in LVLMs
von: Ding, Wei, et al.
Veröffentlicht: (2026)

Modality Bias in LVLMs: Analyzing and Mitigating Object Hallucination via Attention Lens
von: Zheng, Haohan, et al.
Veröffentlicht: (2025)

Causally-Grounded Dual-Path Attention Intervention for Object Hallucination Mitigation in LVLMs
von: Yu, Liu, et al.
Veröffentlicht: (2025)

Mitigating Multimodal Hallucinations via Gradient-based Self-Reflection
von: Wang, Shan, et al.
Veröffentlicht: (2025)

Decoupled Video Generation with Chain of Training-free Diffusion Model Experts
von: Li, Wenhao, et al.
Veröffentlicht: (2024)

HELPD: Mitigating Hallucination of LVLMs by Hierarchical Feedback Learning with Vision-enhanced Penalty Decoding
von: Yuan, Fan, et al.
Veröffentlicht: (2024)

SHALE: A Scalable Benchmark for Fine-grained Hallucination Evaluation in LVLMs
von: Yan, Bei, et al.
Veröffentlicht: (2025)

Neural Gate: Mitigating Privacy Risks in LVLMs via Neuron-Level Gradient Gating
von: Cao, Xiangkui, et al.
Veröffentlicht: (2026)

Attention-space Contrastive Guidance for Efficient Hallucination Mitigation in LVLMs
von: Jo, Yujin, et al.
Veröffentlicht: (2026)

MetaDD: Boosting Dataset Distillation with Neural Network Architecture-Invariant Generalization
von: Zhao, Yunlong, et al.
Veröffentlicht: (2024)

Adaptive Training Meets Progressive Scaling: Elevating Efficiency in Diffusion Models
von: Li, Wenhao, et al.
Veröffentlicht: (2023)

Vocabulary Hijacking in LVLMs: Unveiling Critical Attention Heads by Excluding Inert Tokens to Mitigate Hallucination
von: Chen, Yangneng, et al.
Veröffentlicht: (2026)

Purge-Gate: Backpropagation-Free Test-Time Adaptation for Point Clouds Classification via Token Purging
von: Yazdanpanah, Moslem, et al.
Veröffentlicht: (2025)

Mitigating Hallucinations in Large Vision-Language Models (LVLMs) via Language-Contrastive Decoding (LCD)
von: Manevich, Avshalom, et al.
Veröffentlicht: (2024)

Mitigating Multimodal Hallucination via Phase-wise Self-reward
von: Zhang, Yu, et al.
Veröffentlicht: (2026)

Self-Prophetic Decoding to Unlock Visual Search in LVLMs
von: He, Zhendong, et al.
Veröffentlicht: (2026)

Finding the Correct Visual Evidence Without Forgetting: Mitigating Hallucination in LVLMs via Inter-Layer Visual Attention Discrepancy
von: Xie, Yutong, et al.
Veröffentlicht: (2026)

Towards Rationale-Answer Alignment of LVLMs via Self-Rationale Calibration
von: Wu, Yuanchen, et al.
Veröffentlicht: (2025)

Hallucinatory Image Tokens: A Training-free EAZY Approach on Detecting and Mitigating Object Hallucinations in LVLMs
von: Che, Liwei, et al.
Veröffentlicht: (2025)

Beyond Hallucinations: Enhancing LVLMs through Hallucination-Aware Direct Preference Optimization
von: Zhao, Zhiyuan, et al.
Veröffentlicht: (2023)

Why LVLMs Are More Prone to Hallucinations in Longer Responses: The Role of Context
von: Zheng, Ge, et al.
Veröffentlicht: (2025)

Mitigating Object Hallucinations via Sentence-Level Early Intervention
von: Peng, Shangpin, et al.
Veröffentlicht: (2025)

VidLBEval: Benchmarking and Mitigating Language Bias in Video-Involved LVLMs
von: Yang, Yiming, et al.
Veröffentlicht: (2025)

Self-Improving Small Object Grounding in LVLMs
von: Yang, Tianze, et al.
Veröffentlicht: (2026)