En los últimos años, los modelos visuales de gran tamaño (Large Vision Language Models, LVLMs) han demostrado una capacidad excepcional en la comprensión de imágenes y tareas multimodales. Sin embargo, el problema de las "alucinaciones" se ha vuelto cada vez más destacado. Para abordar este desafío, el equipo del laboratorio de vida futura del grupo Taobao ha propuesto un nuevo método llamado "Optimización de preferencia de tokens" (Token Preference Optimization, TPO), e introduce un método de autocalibración.