OmniConfess：通过生成模态证据揭示来缓解多模态幻觉

OmniConfess 是一种无需训练即可缓解多模态大语言模型幻觉的方法，通过在生成响应中逐 token 重新评分并揭示其对不同模态证据的依赖。该方法构建了 OmniHalluBench 评测基准，包含 3,540 个跨文本、图像、音频和视频的示例，用于验证其在异构模态和任务设置中的有效性。代码和基准已开源，供研究者和开发者使用。