SpanCalib-VLM: Calibrated Hallucination Span Detection in Vision-Language Models

• 类型：arxiv
• 标识：2608.29974
• 链接：https://arxiv.org/abs/2608.29974
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：SpanCalib-VLM is presented, a hybrid dual-system for the SHROOM-Visions Shared Task that combines a multimodal sequence tagger, consisting of XLM-RoBERTa-Large fused with a SigLIP vision encoder via cross-attention, with the fine-tuned generative VLM (Qwen3.5-4B-SHROOM-SFT).
• OpenAlex ID：W7204910495
• OpenAlex DOI：10.48550/arxiv.2608.29974
• DOI：10.48550/arxiv.2608.29974
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2608.29974
• OpenAlex更新：2026-09-04
• 待LLM分类：否
• 标题中文：SpanCalib-VLM：视觉语言模型中校准的幻觉片段检测
• TLDR中文：提出 SpanCalib-VLM，这是一种用于 SHROOM-Visions 共享任务的混合双系统，结合了多模态序列标注器（由 XLM-RoBERTa-Large 与 SigLIP 视觉编码器通过交叉注意力融合而成）与微调后的生成式 VLM（Qwen3.5-4B-SHROOM-SFT）。
• 来源文件：
• /inbox/tom/_candidates/2026-09-02-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]