List your company

Object Hallucination Evaluation on POPE (test)

90.6AccuracyVanilla
74.230478.480282.7386.9798May 30, 2024Sep 30, 2024Feb 1, 2025Jun 5, 2025Oct 7, 2025Feb 8, 2026Jun 12, 2026

Evaluation results

MethodLinks
VanillaBackbone=InternVL3-38B, ViT token retention rate=100%, LLM token retention rate=100%2025.1290.6———————————100———————100——
InternVL2.5-8B2026.0490.6——————————————————————
ToFuBackbone=InternVL3-38B, ViT token retention rate=40%, LLM token retention rate=40%2025.1290.1———————————83.4———————61.9——
ToMeBackbone=InternVL3-38B, ViT token retention rate=40%, LLM token retention rate=40%2025.1289.6———————————82.7———————61.7——
LLaVA-OV-0.5B w/ CLIModel=LLaVA-OV-0.5B w/ CLI2026.0189.1——————————————————————
LLaVA-OV-0.5B w/ SLIModel=LLaVA-OV-0.5B w/ SLI2026.0189——————————————————————
LLaVA-OV-7B w/ SLIModel=LLaVA-OV-7B w/ SLI2026.0189——————————————————————
LLaVA-OV-7B w/ CLIModel=LLaVA-OV-7B w/ CLI2026.0188.9——————————————————————
InternVL-2-26BModel=InternVL-2-26B2026.0188.8——————————————————————
LLaVA-OV-0.5BModel=LLaVA-OV-0.5B2026.0188.8——————————————————————
DART (ViT)Backbone=InternVL3-38B, ViT token retention rate=40%, LLM token retention rate=40%2025.1288.7———————————88.1———————63.9——
LLaVA-OV-7B w/ DeepStackModel=LLaVA-OV-7B w/ DeepStack2026.0188.7——————————————————————
LLaVA-OV-7BModel=LLaVA-OV-7B2026.0188.6——————————————————————
Zamba2-VL-7BLanguage-backbone scale=7–8B2026.0588.6——————————————————————
IXC-2.5-7BModel=IXC-2.5-7B2026.0188.5——————————————————————
LLaVA-OneVision-7B2026.0488.4——————————————————————
Cobra-3.5BLanguage-backbone scale=2–4B2026.0588.4——————————————————————
IPCV+FastVBackbone=InternVL3-38B, ViT token retention rate=40%, LLM token retention rate=40%2025.1288.3———————————89.9———————64.4——
LLaVA-OV-0.5B w/ DeepStackModel=LLaVA-OV-0.5B w/ DeepStack2026.0188.2——————————————————————
Gemini-1.5-Pro2026.0488.2——————————————————————
Qwen2.5-VL-7B + Saliency-R1Training Stage=Saliency-R12026.0488.1——————————————————————
IXC-2.52026.0487.9——————————————————————
InternVL-2-8BModel=InternVL-2-8B2026.0187.8——————————————————————
Qwen2.5-VL-7B + SFTTraining Stage=SFT2026.0487.6——————————————————————
Cobra-8BLanguage-backbone scale=7–8B2026.0587.6——————————————————————
Qwen2.5-VL-3BTraining Stage=Base2026.0487.5——————————————————————
Qwen2.5-VL-3B + Saliency-R1Training Stage=Saliency-R12026.0487.5——————————————————————
ICONSTraining Data Fraction=20%2026.0587.5——————————————————————
Mamba-VL-2.8BLanguage-backbone scale=2–4B2026.0587.3——————————————————————
IVM-Enhanced LLaVA-7BNumber of Parameters=14B2024.0587.2——————————————————————
Zamba2-VL-2.7BLanguage-backbone scale=2–4B2026.0587.2——————————————————————
Qwen2.5-VL-3B + SFTTraining Stage=SFT2026.0487.1——————————————————————
MAGICTraining Data Fraction=20%2026.0587.1——————————————————————
MoE-LLaVALLM=Qwen, Parameters=2.2B2026.0487——————————————————————
Pythia-VL-2.8BLanguage-backbone scale=2–4B2026.0586.9——————————————————————
CLASPBase Model=LLaVA-NeXT-13B, Token Retention Budget=640 Tokens2026.0486.8——————————————————————
Pythia-VL-1BLanguage-backbone scale=~1B2026.0586.8——————————————————————
Mamba-VL-0.8BLanguage-backbone scale=~1B2026.0586.8——————————————————————
MiniCPM-Llama-V-2.5-8B2026.0486.7——————————————————————
Qwen2.5-VL-7BTraining Stage=Base2026.0486.7——————————————————————
mmMamba2.7BLanguage-backbone scale=2–4B2026.0586.7——————————————————————
Cambrain-1-8B2026.0486.4——————————————————————
FullTraining Data Fraction=100%2026.0586.4——————————————————————
Pythia-VL-1.4BLanguage-backbone scale=~1B2026.0586.4——————————————————————
LLaVA-NeXT-7B#Tokens=2880, Total Inference Time=2284 s, Prefill Time=1062 s, FLOPs=12.6 T2026.0186.3——————————————————————
RDSTraining Data Fraction=20%2026.0586.3——————————————————————
LLaVA-1.5-7B + VisionTrim#Tokens=64, Total Inference Time=685 s, Prefill Time=235 s, FLOPs=0.8 T2026.0186.2——————————————————————
Upper BoundBase Model=LLaVA-NeXT-13B2026.0486.2——————————————————————
COINCIDETraining Data Fraction=20%2026.0586.1——————————————————————
SparseVLMBase Model=LLaVA-NeXT-13B, Token Retention Budget=640 Tokens2026.0486——————————————————————
ALVTSTokens Retained=128, Reduction Ratio=78%2026.0685.99——————————————————————
LLaVA-7BNumber of Parameters=7B2024.0585.9——————————————————————
LLaVA-13BNumber of Parameters=13B2024.0585.9——————————————————————
VanillaBase Model=LLaVA1.5-7B, Pruning Family=Baseline2026.0285.9——————————100———————————
LLaVA-1.5-7B#Tokens=576, Total Inference Time=1303 s, Prefill Time=494 s, FLOPs=3.8 T2026.0185.9——————————————————————
LLaVA-1.5-7BTokens Retained=576, Retention Ratio=100%2026.0685.84——————————————————————
ALVTSTokens Retained=192, Reduction Ratio=67%2026.0685.72——————————————————————
D2-PruningTraining Data Fraction=20%2026.0585.7——————————————————————
GPT-4o2026.0485.6——————————————————————
COIDOTraining Data Fraction=20%2026.0585.4——————————————————————
CLIP-ScoreTraining Data Fraction=20%2026.0585.3——————————————————————
DataTailorTraining Data Fraction=20%2026.0585.3——————————————————————
Mamba-VL-1.4BLanguage-backbone scale=~1B2026.0585.3——————————————————————
CLASPBase Model=LLaVA-NeXT-13B, Token Retention Budget=320 Tokens2026.0485.2——————————————————————
LLaVA-PhiLLM=Phi 2, Parameters=2.7B2026.0485——————————————————————
LLaVA-NeXT-7B + VisionTrim#Tokens=320, Total Inference Time=921 s, Prefill Time=360 s, FLOPs=1.2 T2026.0184.8——————————————————————
RandomTraining Data Fraction=20%2026.0584.7——————————————————————
SemDeDupTraining Data Fraction=20%2026.0584.7——————————————————————
PDropTokens Retained=192, Reduction Ratio=67%2026.0684.67——————————————————————
MobileVLMLLM=Mobile-LLaMA, Parameters=1.7B2026.0484.5——————————————————————
VL-Mamba2.8BLanguage-backbone scale=2–4B2026.0584.4——————————————————————
MobileVLM V2LLM=Mobile-LLaMA, Parameters=1.7B2026.0484.3——————————————————————
EL2NTraining Data Fraction=20%2026.0584.3——————————————————————
InternVL2-8B2026.0484.2——————————————————————
Zamba2-VL-1.2BLanguage-backbone scale=~1B2026.0584.2——————————————————————
ALVTSTokens Retained=64, Reduction Ratio=89%2026.0683.87——————————————————————
Self-FilterTraining Data Fraction=20%2026.0583.8——————————————————————
CLASPBase Model=LLaVA-NeXT-13B, Token Retention Budget=160 Tokens2026.0483.7——————————————————————
SparseVLMBase Model=LLaVA-NeXT-13B, Token Retention Budget=320 Tokens2026.0483.5——————————————————————
Self-SepTraining Data Fraction=20%2026.0583.5——————————————————————
MiniCPM-V-2.6-8B2026.0483.2——————————————————————
FastVBackbone=InternVL3-38B, ViT token retention rate=100%, LLM token retention rate=5%2025.1282.7———————————78.6———————70.7——
PerplexityTraining Data Fraction=20%2026.0582.6——————————————————————
DARTTokens Retained=192, Reduction Ratio=67%2026.0682.45——————————————————————
SEAL-7BNumber of Parameters=7B2024.0582.4——————————————————————
IDEFICSLLM=LLaMA, Parameters=9.0B2026.0481.9——————————————————————
PDropTokens Retained=128, Reduction Ratio=78%2026.0681.82——————————————————————
SparseVLMBase Model=LLaVA-NeXT-13B, Token Retention Budget=160 Tokens2026.0481.1——————————————————————
DARTTokens Retained=128, Reduction Ratio=78%2026.0680.26——————————————————————
LISA-Enhanced LLaVA-7BNumber of Parameters=20B2024.0580——————————————————————
SparseVLMBackbone=InternVL3-38B, ViT token retention rate=100%, LLM token retention rate=5%2025.1279.3———————————75.1———————73.4——
InstructBLIPNumber of Parameters=13B2024.0578.9——————————————————————
LLaVA-NeXT-7B + SparseVLM#Tokens=320, Total Inference Time=1872 s, Prefill Time=644 s, FLOPs=2.5 T2026.0178.5——————————————————————
FastVTokens Retained=192, Reduction Ratio=67%2026.0677.79——————————————————————
DARTBackbone=InternVL3-38B, ViT token retention rate=100%, LLM token retention rate=5%2025.1277.6———————————73.6———————71.5——
SparseVLMBase Model=LLaVA1.5-7B, Pruning Family=LLM Multi-Layer Pruning2026.0277.5——————————90.2———————————
VisionZipBase Model=LLaVA1.5-7B, Pruning Family=Vision Encoder-Side Pruning2026.0277——————————89.6———————————
PruMerge+Base Model=LLaVA1.5-7B, Pruning Family=Vision Encoder-Side Pruning2026.0275.7——————————88.1———————————
LLaVA-1.5-7B + SparseVLM#Tokens=64, Total Inference Time=1068 s, Prefill Time=377 s, FLOPs=1.3 T2026.0175.1——————————————————————
VTWTokens Retained=192, Reduction Ratio=67%2026.0674.86——————————————————————