대규모 비전 언어 모델(LVLMs)은 시각적 입력과 일치하지 않는 환각 응답을 생성하는 문제를 가지고 있습니다. 본 논문에서는 추론 시점에 확률적 환각 감지 기능을 활용하여 출력 분포를 문맥적으로 정확한 답변으로 이동시키는 간단한 방법인 효율적인 대조적 디코딩(ECD)을 제시합니다. 토큰 확률과 환각 점수를 비교하여 ECD는 원래 분포에서 환각 개념을 빼서 환각을 효과적으로 억제합니다. ECD는 어떤 오픈소스 LVLM에도 적용 가능하며 추가적인 LVLM 훈련이 필요하지 않습니다. 여러 벤치마크 데이터셋과 다양한 LVLMs에서 평가한 결과, ECD는 환각을 효과적으로 완화하고, LVLM 벤치마크 성능 및 계산 시간 측면에서 최첨단 방법을 능가하는 것으로 나타났습니다.
