# 新加坡国立等团队提出 ViF，专治多智能体协作时的视觉幻觉传染

> 原标题：终结多智能体视觉幻觉“滚雪球”！新国立等提出ViF：无需改造模型，即插即用

- 来源：量子位 · 公众号
- 发布时间：2026-04-30T04:37:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/12458
- 原文：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247887926&idx=3&sn=4678db70b1cb193a664e7acf6e1253ec

## 摘要

多智能体系统里有个麻烦：一个模型看图说话出错，把错误描述传给下一个模型，下一个模型再添油加醋，幻觉就像滚雪球一样越滚越大。新加坡国立大学 LV-Lab 等团队搞了个叫 ViF 的方法，不改造模型本身，即插即用。核心思路是不再只传文字，而是把视觉信息打包成“视觉接力令牌”塞进对话流里，同时用分层注意力重分配让模型多看该看的地方。

## 推荐理由

新加坡国立大学等团队提出 ViF，把视觉信息打包成中继令牌放进多智能体对话流，不改模型即可缓解文字传递导致的幻觉累积。

## 锐评

多智能体传图靠文字转述，这个坑我信，一个 agent 看错，后面全跟着错，还越传越离谱。ViF 把图像信息直接塞进通信链路，不改模型就能插进现有系统，这个方向对。8 个 benchmark、10 款模型上幻觉严重度砍掉三成以上，环形结构接近四成，数字摆着，我认。

论文没给实际部署的延迟和额外算力开销，多传一路视觉 token 是要花钱的，账单涨多少不知道。
