Awesome-LVLM-Hallucination

一站式追踪大模型视觉幻觉研究前沿

这是一个持续更新的精选列表，汇总了大型视觉语言模型（LVLM）幻觉研究的最新论文、资源和相关工作。它旨在解决LVLM在生成文本时可能产生与图像内容不符的幻觉信息问题，为研究人员和开发者提供系统性的文献入口。项目按幻觉类型（如对象幻觉、属性幻觉等）、检测方法、缓解策略等维度对资源进行分类整理，并标注了每篇论文的发布时间和核心贡献，方便快速定位特定方向的研究。目前收录了数百篇相关论文，覆盖了从基准数据集到评估协议、从模型分析到干预方法等多个层面，是该领域较为全面的知识索引。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 332

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队NishilBalar

所属国家

官网地址

GitHubhttps://github.com/NishilBalar/Awesome-LVLM-Hallucination

定价模式free

价格说明开源资源列表，完全免费，无付费版本。

访问状态

是否开源是

开源协议

主要语言

技术栈/模型hallucination,hallucination-benchmark,hallucination-detection,hallucination-evaluation,hallucination-mitigation,hallucination-research,hallucination-survey,large-language-models,large-vision-language-models,llm,lvlm,mllm,mlm,multimodal-language-model,multimodal-large-language-models,vision-language-models

GitHub 星标★ 332

30天Star增速

HF 下载量

上线时间2024-03-15 00:00:00

最近更新2026-09-23 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数1

使用教程

核心亮点

分类细致，按幻觉类型、检测、缓解等维度组织，便于定向检索
持续更新，紧跟最新论文和开源资源，时效性强
每篇论文附有简要说明和链接，节省筛选时间

不足之处

仅提供论文列表，无代码或复现实现
文档/社区待观察

适用场景

快速调研LVLM幻觉领域的研究现状
寻找特定类型幻觉的检测或缓解方法
跟踪最新论文，了解研究趋势

替代项目

Awesome-LLM-Hallucination、HallusionBench、POPE

项目介绍

Awesome-LVLM-Hallucination 是评测安全领域的开源项目，由 NishilBalar 开发，2024 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 332。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-23。开源资源列表，完全免费，无付费版本。

它主要面向的使用场景是：快速调研LVLM幻觉领域的研究现状。同类可对比的替代方案包括 Awesome-LLM-Hallucination、HallusionBench、POPE。

上一篇：prompttools

下一篇：ArtifactsBenchmark