When Prompts Make AIs "See" Things: Inside Vision-Language Hallucinations

Share
When Prompts Make AIs "See" Things: Inside Vision-Language Hallucinations

Sometimes, vision-language AIs see what the prompt says, not what is in the picture. New research maps how that happens—and how to dial it down.

Rudman and colleagues tested object counting with prompts that intentionally overstate what is in an image (for example, "describe four waterlilies" when only three exist). At low counts, models often correct the prompt. As the number of objects grows, they increasingly parrot the prompt, even when it conflicts with the image.

Key findings:

  • Across three models, a small set of attention heads mediates this prompt copying.
  • Turning off those heads cuts prompt-induced hallucinations by 40%+ without extra training.
  • The exact heads and pathways differ by model, but ablation consistently nudges answers toward visual evidence.

Takeaway: targeted tweaks inside today’s VLMs can make them rely more on what they see—and less on what we say.

Paper: https://arxiv.org/abs/2601.05201v1

Paper: https://arxiv.org/abs/2601.05201v1

Register: https://www.AiFeta.com

AI VisionLanguageModels Hallucinations ResponsibleAI MachineLearning ExplainableAI Research

Read more

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Kielimallit tekevät vaatimuskysymyksiä eri tyyleillä – ja tyyli riippuu käyttötarkoituksesta

Uusi vertailu näyttää, että tekoälyn tapa muotoilla järjestelmävaatimuksia luonnollisen kielen kysymyksiksi vaihtelee mallin ja aiheen mukaan. Siksi tärkeintä ei ole valita ”parasta” mallia, vaan tilanteeseen sopiva. Kuvitellaan tuttu kokous: pöydän ääressä yritetään päättää, mitä uuden tietojärjestelmän pitää pystyä tekemään. Syntyy lista kysymyksiä, joihin järjestelmän on osattava vastata. Esimerkiksi: ”Mitkä lääkkeet

By Kari Jaaskelainen
Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Julkaistu ajattelu voidaan jo purkaa tekoälyksi

Kun tutkija jättää työpöytänsä, hänen äänensä ei välttämättä vaikene. Pelkistä julkaisuista voidaan jo rakentaa tekoäly, joka ohjaa väitöskirjaa, arvioi artikkeleita ja väittelee paneelissa – uskottavasti. Useimmat meistä ajattelevat tutkimusartikkeleita kirjastoiksi: hyllyriveiksi ajatuksia, joihin muut voivat palata. Uusi arXivissa julkaistu esityspaperi ehdottaa toisenlaista kuvaa. Julkaisut ovatkin rakennuspiirustuksia, joista voidaan koota tekijänsä ajattelutapa

By Kari Jaaskelainen
Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Konferenssien suunta ei ole pakko syntyä suljettujen ovien takana

Moni tietää tunteen seminaarin päätteeksi: ohjelma oli kiinnostava, mutta kuka päätti, mistä puhuttiin ja mistä ei? Usein vastaus on pieni ohjelmakomitea, joka tekee valinnat ennakkoon. Yleisö kuuntelee, harva vaikuttaa. Eräässä tekoälyn yhteiskunnallisia vaikutuksia käsittelevässä kansainvälisessä konferenssissa kokeiltiin toisenlaista tapaa. Osallistujat eivät vain tulleet paikalle – he auttoivat muokkaamaan itse tilaisuuden suuntaa.

By Kari Jaaskelainen