HallusionBench

HallusionBench是一个先进的诊断套件，专为评估大型视觉语言模型（LVLMs）中的纠缠语言幻觉和视觉错觉而设计。该基准测试包括346张图像和1129个问题，全部由人类专家精心制作。HallusionBench的评估中，对13个不同的模型进行了基准测试，突出显示最先进的GPT-4V实现了31.42%的问题对准确率。