论文标题：ONLY: One-Layer Intervention Sufficiently Mitigates Hallucinations in Large Vision-Language Models
🎉 背景
大型视觉-语言模型（LVLM）在图像理解与文本问答方面表现优异，但仍存在“幻觉”（hallucination）问题，即生成与图像信息不符的内容，这严重影响其真实应用可靠性。论文提出一种无需训练、在线推理中即可部署的轻量干预机制“ONLY”，希望实时抑制幻觉生成。
✨ 方法
“ONLY” 是一种解码阶段干预方法，无需修改模型参数，设计如下： 增加一次查询操作（single query）与单层干预（one-layer intervention），在模型生成文本时引入视觉信息反馈。 具体机制：通过计算每个生成 token 的“文本-视觉熵比”（text-to-visual entropy ratio），对关键 token 提升视觉一致性，指导生成与图像更匹配的文本描述。
🏆 实验
在多个标准视觉-语言任务上评估，包括图像问答与描述生成。 与基础 LVLM 解码对比，ONLY 显著降低幻觉生成率，同时保持 fluency 与连贯性。 量化结果显示，仅依靠单层干预可取得与更复杂方法相当的性能提升，且延迟极低，适配实时系统部署。
🔍 结论与意义
有效性：ONE‑Layer 干预策略足以在生成阶段抑制幻觉，提升视觉-语言一致性。 实用性：无训练成本、无模型修改、解码实时执行，具备工业实用价值。 展望：该方法可扩展于其他多模态生成场景，提示轻量级干预策略在模型可靠性保障方面的潜力。 Arxiv：2507.00898
（文：机器学习算法与自然语言处理）