在跳跃之前进行检测：视觉语言模型中的海市蜃楼检测

视觉语言模型 (VLM) 可以在没有相关视觉证据的情况下产生可信的答案，这种失败模式称为海市蜃楼（Asadi 等人，2026）。我们研究发布前海市蜃楼检测：决定是否应该发布或保留 VLM 答案。我们的模型无关方法，文本条件逐层内部对齐（TC-LIA），跟踪冻结 CLIP ViT-H/14 编码器各层的问题图像对齐，通过最终相似性、后期层 top-k 对齐、早到晚增益和斜率总结补丁文本对齐。 TC-LIA在部署时是无需训练，具有固定的投影和评分权重，无需任何特定于标签的训练，并独立提供强大的检测。此外，当与空白/噪声检测、域路由和 VLM 自我评估相结合时，它形成一个集成，其监督训练可以提高性能，但它是一个可选的附加组件。在跨越 10 个 VQA 域的 19,004 个样本中，14 个最先进的 VLM 表现出 57.3-75.0% 的基本幻影率。我们提出的 TC-LIA 单独将其降低到 7.5%，相关/不相关/空白噪声分类精度为 83.5%，并且集合达到 84.5-88.4% 的精度，5.9-7.2% 的海市蜃楼率（最佳联合结果：88.4% 的精度，6.4% 的海市蜃楼率）。值得注意的是，在单个主干上训练的集成可以很好地传输到不可见的主干，最佳传输源在 13 个保留的 VLM 中的每个主干训练的准确度点保持在 0.7% 以内。