反事實電路

深度分析

結合反事實生成與稀疏電路分析降低 VLM 幻覺：方法與實驗

本研究探討視覺語言模型幻覺的因果穩定性，利用CD‑T電路發掘關鍵稀疏電路，並以潛在反事實樣本測試激活差異，透過Bernstein上界估算所需樣本數。結果顯示低變異電路能顯著降低幻覺率，提升模型在POPE、COCO與HallusionBench的表現，且樣本複雜度指標提供部署可靠性參考。