Video Hallucination Evaluation on VERHallu benchmark leaderboard · SOTA2 Research

Video Hallucination Evaluation on VERHallu

0.506CFQAQwenVL-2.5-7B

Evaluation Results

Method	Links
QwenVL-2.5-7B2026.01		0.506	0.408	0.505	0.407	0.149	0.249	0.206	27.8
MiniCPM-V-2 6-7B2026.01		0.364	0.329	0.339	0.333	0.141	0.276	0.168	24.6
VideoLLaMA3-7B2026.01		0.319	0.159	0.208	0.194	0.473	0.405	0.441	38.7
InternVL-2.5-8B2026.01		0.293	0.284	0.274	0.329	0.221	0.309	0.242	26.4
QwenVL-2-7B2026.01		0.281	0.419	0.368	0.364	0.114	0.239	0.176	22.9
mPLUG-Owl3-7B(1101)2026.01		0.206	0.376	0.368	0.364	0.119	0.223	0.154	20.5
mPLUG-Owl3-7B(0728)2026.01		0.158	0.392	0.392	0.337	0.114	0.255	0.162	20.3
InternVL-3-8B2026.01		0.156	0.354	0.429	0.364	0.268	0.28	0.302	27.6
Random2026.01		0.143	0.143	0.143	0.143	0.333	0.333	0.333	—
LLaVA-Onevision-7B2026.01		0.133	0.308	0.344	0.395	0.101	0.249	0.163	19.9
VideoChat-R1-7B2026.01		0.094	0.408	0.387	0.384	0.117	0.251	0.187	22.6
ShareGPT4Video-8B2026.01		0.044	0.217	0.241	0.287	0.089	0.255	0.149	7.6
Video-LLaVA-7B2026.01		0.033	0.121	0.137	0.112	0.12	0.249	0.171	6.5
LLaVA-NeXT-7B-DPO2026.01		0.029	0.179	0.17	0.167	0.086	0.249	0.139	4.9
LLaVA-NeXT-7B2026.01		0.027	0.15	0.15	0.12	0.094	0.247	0.167	5.7