视觉语言模型幻觉中依赖状态的视觉支持

基于摘要分析。本文研究视觉语言模型幻觉中看似矛盾的内部视觉信号，提出 StateHall，以同一视觉支持度量比较自由生成中引入的对象状态、被查询对象状态及查询决策状态，考察差异究竟来自对象概念本身，还是表征所承担的计算角色。 作者报告，自由生成中的幻觉对象获得较少视觉支持，而在对象存在性查询中，相关决策可能获得更多视觉支持。进一步按状态角色比较后，作者报告：在自由生成与显式查询两种设置下，幻觉对象表征在解码器中间层附近均获得较少支持；相对过度支持仅出现在较晚的决策状态。同图像、同对象的分解分析显示，生成对象与查询决策之间最终差异的大部分由状态角色分量构成，与概念来源相关的分量明显较小。这提示不能将不同计算角色的内部信号直接视作同类证据。 在幻觉检测方面，作者报告，自由生成任务中的 midpoint concept-visual support（MCVS）分数达到或优于近期无需训练的基线，并可跨模型、跨数据集迁移；对象存在性查询中，基于所识别状态的紧凑检测器可跨基准迁移，并与输出置信度形成互补。摘要未提供模型与数据集名称、具体指标、划分、视觉支持度量定义或检测器训练方式，因此无法量化收益或判断适用边界，实验协议、消融及统计信息尚未验证。 论文主要研究对象是视觉语言模型的幻觉解释与检测，并非 EEG 或 BCI。现有材料未建立其状态分析与神经信号建模之间的具体对应关系，不据此推断 BCI 效果。