本文介绍了一种名为DICA的对比对齐方法用于解决多模态大模型在图像问答中的幻觉问题。作者提出模型幻觉主要由注意力漂移和视觉证据利用不足两种原因导致设计了VAE和OIC两个诊断指标实时监测这两种异常并针对不同异常设计了对应的纠正方法在无需重训模型的情况下即可在推理时即插即用有效降低幻觉率提升模型表现。一句话先说结论你让多模态大模型看图回答问题它经常“说瞎话”——比如图里明明没有卡车它偏说有。云南大学团队发现这种幻觉不是一种病而是两种病——注意力走神和闭眼答题。他们设计了两个“体温计”实时监测一发烧就对症下药。不用重新训练模型推理时即插即用效果全面碾压现有方法。两种失败模式 两个诊断指标 两剂靶向药 推理时即插即用的幻觉消除器注意力漂移左vs 视觉证据利用不足右多模态大模型的两种“病”以往的方法把幻觉当成一种病统一治疗就像医生不管你是发烧还是骨折统一开退烧药。研究发现幻觉有两种完全不同的根因失败模式现象比喻注意力漂移注意力突然从相关区域散开或跳到无关区域考试时走神看错题视觉证据利用不足输出越来越不依赖图片纯靠语言先验脑补闭着眼凭经验答题两个“体温计”实时诊断体温计 1VAE视觉注意力熵衡量注意力有多集中。正常时随网络变深而降低突然飙升 注意力散了 即将走神。体温计 2OIC输出-图像相关性衡量输出有多依赖图片。正常时逐步升高突然下降 开始闭眼答题 即将脑补。VAE 和 OIC 随网络层的变化趋势红点为异常两种异常发生时的注意力热力图与答案概率曲线两剂“靶向药”对症下药药方 1VAE 引导漂移纠正VAE-GDC病症注意力散了隐状态被高熵噪声污染。药方引入“描述性路径”用其稳定的隐状态校准被污染的隐状态。力度由分布距离动态调节。药方 2OIC 引导接地恢复OIC-GGR病症模型不再看图纯靠语言先验编造。药方找到还“记得看图”的中间层用对比解码把输出拉回视觉证据。DICA 整体架构实验结果POPE 物体存在性判断F1LLaVA-v1.5设定VCDOPERAMoDDICARandom84.2086.9286.0088.82Popular83.2086.6885.6087.50Adversarial84.0083.4582.3083.67CHAIR 幻觉率越低越好LLaVA-v1.5方法CHAIR_s ↓CHAIR_i ↓Recall ↑VCD51.014.977.2MoD42.612.478.9DICA41.811.577.8MME 综合评分越高越好LLaVA-v1.5方法存在性位置颜色总分VCD180.0108.3133.3531.7MoD195.0126.7175.0638.3DICA195.0148.3175.0661.5关键发现注意力漂移比闭眼答题更常见VAE-GDC 触发率 15.29%OIC-GGR 仅 1.75%。走神是更高频病因。两个模块互补缺一不可消融实验显示单独去掉任一模块都有明显退化联合使用效果最佳。修复极精准几乎不误伤正确→正确保持率 86.9%错误→正确修复率 37.4%误伤率仅 1.3%。DICA 前后 VAE/OIC 变化双模块触发频率与层分布局限性有额外计算开销——实时监测两个指标延迟略增。阈值需手调——换模型可能要重新调参。治不了视觉编码器的盲区——编码器看不见的东西DICA 也救不了。为什么值得关注即插即用不用重训模型代码已开源直接集成到现有多模态系统即可降低幻觉率。先诊断后治疗区分失败模式再对症下药比一刀切更精准。思路可推广到其他模型异常检测场景。指标可解释VAE 和 OIC 物理意义明确可直接作为模型输出可信度的量化依据。多模态幻觉不是一种病而是两种病注意力漂移 → 走神看错视觉证据利用不足 → 闭眼答题DICA实时体检 靶向用药不用重训推理即插即用如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取