Ця робота представляє DA-DPO, економічно ефективний та чутливий до складності метод оптимізації переваг, спрямований на значне зменшення галюцинацій у мультимодальних великих мовних моделях (MLLM). Шляхом оптимізації на основі складності контенту, підхід покращує фактичну узгодженість та надійність виходів MLLM.