已收录文章摘要，完整内容可前往原文阅读。
新智元报道 多模态大模型的物体幻觉，长期被归因于语言先验。先看下面两组对话。第一组，一张只有小狗的照片，问模型「图中有椅子吗」，它答「没有，图中是一只狗」，完全正确；第二组，另一张照片，问「图中