测试时幻觉控制：单次生成、不改模型，用 CLIP 验证物体 token
提出 TTH，一种无需训练、单次生成、不改模型权重或隐状态的解码策略，通过 CLIP 验证候选物体 token 并以熵自适应融合来抑制 LVLM 物体幻觉。
LVLM
UniProbe：把 LVLM 内部计算轨迹变成可学习的幻觉检测器
UniProbe 从冻结 LVLM 的单次前向传播中构建计算轨迹图，并用 GNN、ViT、GRU 交替模块进行令牌级幻觉检测与解码期缓解。
TruthLens：让LVLM自己说出幻觉——一个特殊token如何暴露模型的不诚实
TruthLens微调LVLM的LM head，通过一个特殊token的对数概率来暴露每个目标token的真实性信号，无需辅助模型即可实现SOTA的幻觉检测。
幻觉的接地签名：用验证器引导解码精准修正LVLM的对象幻觉
提出内在接地签名（IGS）和验证器引导解码（VGD），在生成时定位并仅重写高风险的对象提及，从而在保持模型原有视觉理解和覆盖度的同时显著减少对象幻觉。