零样本7B模型搞定多模态幻觉检测，CI分数比30亿基线直降83.7%！
alkhder at ImageEval 2026 Shared Tasks: Constrained Selection and Rotation-Averaged Logit Scoring for Multimodal Hallucination Detection
📖 AI 总结
本文介绍了研究团队在ImageEval 2026共享任务子任务1b中的参赛方案，任务要求从与图像配对的三个候选陈述中选出唯一视觉上成立的表述，涵盖英语和现代标准阿拉伯语两种语言。系统采用预训练的70亿参数视觉语言模型，在零样本条件下运行，未进行任务特定训练或微调。作者将任务建模为约束选择问题，依据下一词元的对数概率确定答案，并引入拉丁方旋转来缓解答案位置偏差。结果显示，系统在英语测试集上的CI得分为0.0510，在阿拉伯语测试集上为0.0960，相较官方30亿参数基线在开发测试集上的表现，CI分别降低83.7%和80.4%。该工作表明，无需微调的大规模视觉语言模型结合约束选择与旋转平均评分策略，即可有效提升多模态幻觉检测性能，并为跨语言场景提供了可借鉴的轻量方案。
🔑 关键词速览
| 约束选择 | 将答案选择限制在给定候选集合内，并利用模型输出概率进行决策的问题形式化方法。 |
| 旋转平均对数几率评分 | 通过对候选答案位置进行拉丁方旋转并平均各次评分，以消除位置偏差的评分策略。 |
| 多模态幻觉检测 | 识别视觉-语言模型生成的与图像内容不符的陈述的任务。 |
| 零样本设置 | 模型不经过任何任务特定训练或微调，直接用于下游任务的评估方式。 |
| CI分数 | ImageEval 2026中用于评估模型选择正确答案能力的指标，值越低表示性能越好。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅