---
title: LLaVA-v1.6-Vicuna-13B-SENTINEL
canonical_url: "https://www.modelscope.cn/models/pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL"
md_url: "https://www.modelscope.cn/models/pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL.md"
repository: pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL
chinese_name: LLaVA-v1.6-Vicuna-13B-SENTINEL
last_updated: 2026-02-08
license: "Apache License 2.0"
pipeline_tag: image-captioning
tasks:
  - image-captioning
parameters: 500.7M
tensor_type:
  - BF16
library_name:
  - lora
  - safetensors
  - pytorch
frameworks:
  - Pytorch
language:
  - en
downloads: 27
stars: 1
tags:
  - lora
  - bf16
  - llava
---

# LLaVA-v1.6-Vicuna-13B-SENTINEL

> LLaVA-v1.6-Vicuna-13B-SENTINEL - pspdada 在 ModelScope 开源的模型。模型卡片：pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL | ICCV 2025 | SENTINEL: Mitigating Object Hallucinations via Sentence-Level Early Intervention

pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL 是 ModelScope 魔搭社区上的 500.7M 参数image-captioning模型，采用 Apache License 2.0 许可。

- **Repository**: pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL
- **License**: Apache License 2.0
- **Tasks**: image-captioning
- **Parameters**: 500.7M
- **Tags**: lora, bf16, llava
- **Downloads**: 27
- **Stars**: 1
- **Last updated**: 2026-02-08

Source: https://www.modelscope.cn/models/pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL

---

# 模型卡片：`pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL` | ICCV 2025 | SENTINEL:<br>Mitigating Object Hallucinations via Sentence-Level Early Intervention <!-- omit in toc -->

<a href='https://arxiv.org/abs/2507.12455'>
<img src='https://img.shields.io/badge/论文-Arxiv-purple'></a>
<a href='https://huggingface.co/datasets/psp-dada/SENTINEL'>
<img src='https://img.shields.io/badge/数据集-HF-Green'></a>
<a href='https://github.com/pspdada/SENTINEL'>
<img src='https://img.shields.io/badge/Github 仓库-Repo-orange'></a>
<a href='https://huggingface.co/papers/2507.12455'>
<img src='https://img.shields.io/badge/讨论区-HF-blue'></a>
<a href='https://github.com/pspdada/SENTINEL/blob/main/LICENSE'>
<img src='https://img.shields.io/badge/许可证-Apache_2.0-yellow'></a>

<a href='https://modelscope.cn/datasets/pspdada/SENTINEL'>
<img src='https://img.shields.io/badge/数据集-🤖ModelScope-pink'></a>
<a href='https://modelscope.cn/collections/pspdada/SENTINEL'>
<img src='https://img.shields.io/badge/模型-🤖ModelScope-red'></a>

## 🎊 新闻 <!-- omit in toc -->

- [2025.07.30] 🔍 我们的工作被 52CV 解读，查看详情[这里](https://mp.weixin.qq.com/s/Sfr1wdUCkeOLmj7NVWNUnw)。
- [2025.07.21] 📖 所有代码、数据和模型已发布！
- [2025.06.26] 🎉 我们的 SENTINEL 被 **ICCV 2025** 接收！

## 🚀 概览 <!-- omit in toc -->

**SENTINEL** 引入了一种自动化、句子级别的早期干预策略，以防止和缓解多模态大语言模型（MLLM）中的对象幻觉。主要优势：

- **无需标注**：不需要人工标注。
- **模型无关**：兼容任何 MLLM 架构。
- **高效**：轻量级 LoRA 微调。

## 🔑 主要特性

- **早期干预阻断幻觉传播**。我们发现 MLLMs 的幻觉主要在前几句中产生，并在后续输出中不断传播。SENTINEL 提前打断该链条，以最大程度地缓解幻觉。
<table align="center">
    <p align="center">
      <img src="https://modelscope.cn/api/v1/datasets/pspdada/SENTINEL/repo?Revision=master&FilePath=docs/figures/figure2.png" width="80%" />
    </p>
</table>

- **无需人工标注的域内上下文偏好学习**。SENTINEL 通过检测器交叉验证构造*幻觉/真实*样本，并在不依赖专有 LLM 或手动标注的情况下构建域内偏好数据。
<table align="center">
    <p align="center">
      <img src="https://modelscope.cn/api/v1/datasets/pspdada/SENTINEL/repo?Revision=master&FilePath=docs/figures/figure3.png" width="80%" />
    </p>
</table>

- **上下文至关重要：丰富的连贯性提升鲁棒性**。通过优先选择上下文连贯的正样本，SENTINEL 显著提升了泛化能力。
<table align="center">
    <p align="center">
      <img src="https://modelscope.cn/api/v1/datasets/pspdada/SENTINEL/repo?Revision=master&FilePath=docs/figures/figure4.png" width="80%" />
    </p>
</table>

- **迭代式上下文自举，生成多样无幻觉上下文**。我们的框架动态地扩展非幻觉上下文，覆盖更多场景，提升模型在推理阶段的鲁棒性。
<table align="center">
    <p align="center">
      <img src="https://modelscope.cn/api/v1/datasets/pspdada/SENTINEL/repo?Revision=master&FilePath=docs/figures/figure5.png" width="80%" />
    </p>
</table>

- **各基准测试中达到优秀水平**。
SENTINEL 在减少幻觉方面最多可达 **92%** 的降低，并在 Object HalBench、AMBER 和 HallusionBench 上超越先前 SOTA 方法，同时保持或提升通用任务性能。
<table align="center">
    <p align="center">
      <img src="https://modelscope.cn/api/v1/datasets/pspdada/SENTINEL/repo?Revision=master&FilePath=docs/figures/table1.png" width="80%" />
    </p>
</table>

## 使用方法

该模型为一个 PEFT（LoRA）适配器。使用时请先加载基础模型 (`llava-hf/llava-v1.6-vicuna-13b-hf`)，再在其基础上加载本 LoRA 适配器。

**关于模型权重与使用细节，请参阅 GitHub 仓库中的 [相关文档](https://github.com/pspdada/SENTINEL?tab=readme-ov-file#-model-weights)。**

### 下载方式

您可以通过如下 `git clone` 命令，或者 `ModelScope SDK` 来下载模型

SDK 下载

```bash
# 安装 ModelScope
pip install modelscope
```

```python
# SDK 模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL')
```

Git 下载

```bash
# Git 模型下载
git clone https://www.modelscope.cn/pspdada/LLaVA-v1.6-Vicuna-13B-SENTINEL.git
```

## 📝 引用

如果您觉得我们的模型/代码/数据/论文有帮助，请考虑引用我们的论文 📝 并为我们点赞 ⭐️！

```bibtex
@inproceedings{peng2025mitigating,
  title={Mitigating object hallucinations via sentence-level early intervention},
  author={Peng, Shangpin and Yang, Senqiao and Jiang, Li and Tian, Zhuotao},
  booktitle={Proceedings of the IEEE/CVF International Conference on Computer Vision},
  pages={635--646},
  year={2025}
}
```

## 📧 联系我们 <!-- omit in toc -->

如果您有任何问题、评论或建议，请随时提交 issue 或 PR，以帮助推进该领域的研究。

## 许可证 <!-- omit in toc -->

[Apache License 2.0](https://github.com/pspdada/SENTINEL/blob/main/LICENSE)