ROT：旋转隐藏状态向上下文向量对齐，缓解 LVLM 幻觉

针对大型视觉语言模型（LVLM）的物体幻觉问题，研究者提出免训练干预方法 ROT，不再调整注意力权重，而是直接作用于自注意力与残差相加后提取的隐藏状态向量。实证分析发现，幻觉 token 并非单纯过度依赖语言先验，而是对文本与视觉上下文的相似度都显著偏低，呈现异常的上下文偏离。