List your company
ResearchFormerly WizWand

Object Hallucination Evaluation on POPE Random

94AccuracyR-CoV
85.26487.53289.892.068Jan 3, 2025Mar 28, 2025Jun 21, 2025Sep 14, 2025Dec 8, 2025Mar 3, 2026May 27, 2026
Updated 4mo ago

Evaluation results

MethodLinks
R-CoVBase Model=LLaVA-1.52026.0494—93.67—
VanillaBase Model=LLaVA-1.52026.0493—93.02—
LogicCheckGPTBase Model=LLaVA-1.52026.0492.67—92.25—
R-CoVBase Model=mPLUG-Owl2026.0491.67—91.35—
SpecEyesBase Model=Thyme, Aggregation Strategy=log2026.0391.471.59——
CRG(ours)Model=Qwen2.5-VL-7B-Instruct2026.0591.45—89.23—
ACEBase Model=LLaVA-NeXT2026.0591.28—90.63—
SpecEyesBase Model=Thyme, Aggregation Strategy=mean2026.0391.271.65——
SpecEyesBase Model=Thyme, Aggregation Strategy=bottom2026.0391.271.73——
SpecEyesBase Model=Thyme, Aggregation Strategy=min2026.0391.271.7——
ACEBase Model=LLaVA-1.52026.0590.87—88.93—
SpecEyesBase Model=DeepEyes, Aggregation Strategy=log2026.0390.52.05——
VTIModel=Qwen2.5-VL-7B-Instruct2026.0590.43—89.44—
SelfCheckBase Model=LLaVA-1.52026.0490.33—89.53—
CRG(ours)Model=LLaVA-1.5-7B2026.0590.3—89.51—
SpecReasonBase Model=Thyme2026.0390.270.46——
ThymeBase Model=Thyme2026.0390.171——
OPERABase Model=LLaVA-NeXT2026.0590.17—89.74—
SpecEyesBase Model=DeepEyes, Aggregation Strategy=mean2026.0390.132.14——
SpecEyesBase Model=DeepEyes, Aggregation Strategy=bottom2026.0390.132.11——
SpecEyesBase Model=DeepEyes, Aggregation Strategy=min2026.0390.132.19——
LogicCheckGPTBase Model=mPLUG-Owl2026.0490—89.44—
SIDBase Model=LLaVA-NeXT2026.0589.96—90.1—
GreedyBase Model=LLaVA-NeXT2026.0589.74—89.03—
OPERAModel=Qwen2.5-VL-7B-Instruct2026.0589.72—90.02—
LUREBase Model=LLaVA-1.52026.0489.67—89.7—
GreedyBase Model=LLaVA-1.52026.0589.62—89.14—
VCDBase Model=LLaVA-1.52026.0589.55—89.31—
PAIModel=Qwen2.5-VL-7B-Instruct2026.0589.54—88.72—
VTIModel=LLaVA-1.5-7B2026.0589.5—88.89—
CRG(ours)Model=Qwen-VL-Chat2026.0589.46—88.33—
OursDecoding Strategy=Greedy, Base Model=LLaVA-1.52025.0189.33—88.89—
OPERAModel=LLaVA-1.5-7B2026.0589.2—88.81—
RC-DPOModel=MM-Eureka2026.0589.17—87.95—
OursDecoding Strategy=Sampling, Base Model=LLaVA-1.52025.0189.1—88.6—
SIDBase Model=LLaVA-1.52026.0589.09—88.83—
R-CoVBase Model=Qwen2.5-VL2026.0489—88—
OursDecoding Strategy=Greedy, Base Model=Qwen-VL2025.0188.92—88.48—
OPERADecoding Strategy=Greedy, Base Model=LLaVA-1.52025.0188.85—88.67—
DeepEyesBase Model=DeepEyes2026.0388.831——
PRISM2025.0288.7———
mPlug-Owl + ORCALVLM=mPlug-Owl, Variant=+ ORCA2025.0988.67—87.5—
OPERABase Model=LLaVA-1.52026.0588.64—88.43—
OursDecoding Strategy=Sampling, Base Model=Qwen-VL2025.0188.61—88.26—
VCDBase Model=LLaVA-NeXT2026.0588.6—87.89—
PAIDecoding Strategy=Greedy, Base Model=LLaVA-1.52025.0188.32—88.01—
PAIDecoding Strategy=Sampling, Base Model=Qwen-VL2025.0188.15—87.94—
VCDDecoding Strategy=Greedy, Base Model=LLaVA-1.52025.0188.11—88.15—
PAIDecoding Strategy=Greedy, Base Model=Qwen-VL2025.0187.86—87.63—
VCDDecoding Strategy=Greedy, Base Model=Qwen-VL2025.0187.83—87.39—
VCDModel=Qwen2.5-VL-7B-Instruct2026.0587.82—88.23—
ICDDecoding Strategy=Greedy, Base Model=LLaVA-1.52025.0187.82—86.73—
VCDDecoding Strategy=Sampling, Base Model=Qwen-VL2025.0187.82—87.68—
VCDModel=LLaVA-1.5-7B2026.0587.73—87.16—
VCDModel=MM-Eureka2026.0587.73—86.15—
PAIDecoding Strategy=Sampling, Base Model=LLaVA-1.52025.0187.73—87.65—
PAIBase LVLM=Qwen-VL-Chat2026.0487.69—86.94—
OursDecoding Strategy=Greedy, Base Model=InstructBLIP2025.0187.68—87.36—
PTIBase LVLM=Qwen-VL-Chat2026.0487.53—86.54—
SIDModel=MM-Eureka2026.0587.5—85.88—
ICONS2025.0287.5———
BaselineDecoding Strategy=Greedy, Base Model=InstructBLIP2025.0187.44—86.8—
LogicCheckGPTBase Model=Qwen2.5-VL2026.0487.33—85.71—
OPA-DPOModel=MM-Eureka2026.0587.33—85.63—
Full-Finetune2025.0287.3———
RC-DPOModel=R1-Onevision2026.0587.27—85.56—
ACEBase Model=InstructBLIP2026.0586.96—86.98—
VCDBase LVLM=Qwen-VL-Chat2026.0486.93—85.46—
VCDModel=Qwen-VL-Chat2026.0586.93—85.46—
VCDDecoding Strategy=Sampling, Base Model=LLaVA-1.52025.0186.84—86.83—
PAIBase LVLM=DeepSeek-VL-Chat2026.0486.83—86.29—
ICDDecoding Strategy=Greedy, Base Model=InstructBLIP2025.0186.76—86.83—
VTIModel=Qwen-VL-Chat2026.0586.73—85.59—
VCDBase LVLM=DeepSeek-VL-Chat2026.0486.7—85.97—
VISTABase LVLM=DeepSeek-VL-Chat2026.0486.7—85.54—
VanillaBase Model=Qwen2.5-VL2026.0486.67—84.62—
OursDecoding Strategy=Sampling, Base Model=InstructBLIP2025.0186.67—86.1—
VCDDecoding Strategy=Greedy, Base Model=InstructBLIP2025.0186.66—86.37—
VanillaBase LVLM=Qwen-VL-Chat2026.0486.52—85.59—
PAIDecoding Strategy=Greedy, Base Model=InstructBLIP2025.0186.51—86.19—
ICDDecoding Strategy=Greedy, Base Model=Qwen-VL2025.0186.49—85.86—
Qwen3-VL-2BMode=draft only2026.0386.474.07——
ICDDecoding Strategy=Sampling, Base Model=Qwen-VL2025.0186.45—85.8—
VanillaModel=MM-Eureka2026.0586.43—84.55—
SIDBase Model=InstructBLIP2026.0586.34—86.83—
MiniGPT-4 + ORCALVLM=MiniGPT-4, Variant=+ ORCA2025.0986.33—84.64—
R-CoVBase Model=MiniGPT-42026.0486.33—84.98—
PAIModel=LLaVA-1.5-7B2026.0586.33—84.56—
RLAIF-VModel=MM-Eureka2026.0586.3—84.28—
PTIBase LVLM=DeepSeek-VL-Chat2026.0486.22—86.25—
VTIBase LVLM=DeepSeek-VL-Chat2026.0486.15—86.01—
COINCIDE2025.0286.1———
VISTABase LVLM=Qwen-VL-Chat2026.0485.91—84.66—
ICDDecoding Strategy=Sampling, Base Model=InstructBLIP2025.0185.78—85.73—
VTIBase LVLM=Qwen-VL-Chat2026.0485.77—84.68—
PAIBase LVLM=LLAVA-1.52026.0485.73—86.32—
OPERAModel=Qwen-VL-Chat2026.0585.71—84.64—
ICDDecoding Strategy=Sampling, Base Model=LLaVA-1.52025.0185.7—84.43—
EL2N2025.0285.6———
TIVE2025.0285.6———