Share your thoughts, 1 month free Claude Pro on usSee more

Hallucination Evaluation on HallusionBench

82.02Accuracy

MIRROR(ours)

Updated 2d ago

Evaluation Results

Method
MIRROR(ours) 2026.02	82.02	-	-	-	-	-	-	-	-	-	-	-	-
VL-Rethinker 2026.01	71.08	-	-	-	-	-	-	-	-	-	-	-	-
ZoomEye 2026.04	71.08	-	-	-	-	-	-	-	-	-	-	-	-
Visual Para-Thinker 2026.02	71	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL 2026.02	70	-	-	-	-	-	-	-	-	-	-	-	-
EvoLMM 2026.02	69.72	-	-	-	-	-	-	-	-	-	-	-	-
VisionZero-CLEVR 2026.02	69.51	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3-VL-30B+VRGA 2026.03	69.4	-	-	-	-	-	-	-	-	51	61.4	-	-
Qwen3.5 2026.05	69.3	-	-	-	-	-	-	-	-	-	-	-	-
VisionZero-Chart 2026.02	69.09	-	-	-	-	-	-	-	-	-	-	-	-
SenseNova-U1 2026.05	68.95	-	-	-	-	-	-	-	-	-	-	-	-
Base Model 2026.02	68.87	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL-7B 2026.02	68.66	-	-	-	-	-	-	-	-	-	-	-	-
VisionZero-RealWorld 2026.02	68.56	-	-	-	-	-	-	-	-	-	-	-	-
VisPlay 2026.02	68.56	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3-VL-30B 2026.03	68.55	-	-	-	-	-	-	-	-	50.7	61.1	-	-
MIRROR(w/o tool) 2026.02	68.24	-	-	-	-	-	-	-	-	-	-	-	-
Active-Zero 2026.02	68.03	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3.5 2026.05	67.9	-	-	-	-	-	-	-	-	-	-	-	-
SenseNova-U1 2026.05	67.75	-	-	-	-	-	-	-	-	-	-	-	-
Laser 2026.01	67.72	-	-	-	-	-	-	-	-	-	-	-	-
Laser 2026.04	67.72	-	-	-	-	-	-	-	-	-	-	-	-
Majority voting@4 2026.02	66.8	-	-	-	-	-	-	-	-	-	-	-	-
Sequential 2026.02	66.7	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL 2026.02	66	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3VL 2026.05	66	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3VL 2026.05	65.4	-	-	-	-	-	-	-	-	-	-	-	-
TroL-7B 2024.06	65.3	-	-	-	-	-	-	-	-	-	-	-	-
LVR 2026.01	65.19	-	-	-	-	-	-	-	-	-	-	-	-
LVR 2026.04	65.19	-	-	-	-	-	-	-	-	-	-	-	-
VisPlay 2026.02	64.88	-	-	-	-	-	-	-	-	-	-	-	-
Active-Zero 2026.02	64.14	-	-	-	-	-	-	-	-	-	-	-	-
ThinkLite-VL 2026.04	63.9	-	-	-	-	-	-	-	-	-	-	-	-
Vision-R1 2026.01	63.83	-	-	-	-	-	-	-	-	-	-	-	-
Gemini2.5-Pro 2026.02	63.7	-	-	-	-	-	-	-	-	-	-	-	-
OpenVLThinker 2026.04	63.7	-	-	-	-	-	-	-	-	-	-	-	-
HyLaR-7B 2026.04	63.68	-	-	-	-	-	-	-	-	-	-	-	-
GPT5-mini 2026.02	63.2	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL-3B 2026.02	63.09	-	-	-	-	-	-	-	-	-	-	-	-
DeepEyes 2026.01	62.57	-	-	-	-	-	-	-	-	-	-	-	-
DeepEyes 2026.04	62.57	-	-	-	-	-	-	-	-	-	-	-	-
V-STAR 2026.04	62.3	-	-	-	-	-	-	-	-	-	-	-	-
Visual Para-Thinker 2026.02	62.2	-	-	-	-	-	-	-	-	-	-	-	-
GPT-4o 2026.02	61.4	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3-VL 2026.05	61.1	-	-	-	-	-	-	-	-	-	-	-	-
R1-Onevision 2026.04	60.9	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5VL 2026.04	60.3	-	-	-	-	-	-	-	-	-	-	-	-
HyLaR-SFT 2026.04	60.23	-	-	-	-	-	-	-	-	-	-	-	-
Base Model 2026.02	60.04	-	-	-	-	-	-	-	-	-	-	-	-
Vision-R1 2026.04	59.8	-	-	-	-	-	-	-	-	-	-	-	-
NEO-ov 2026.05	59.8	-	-	-	-	-	-	-	-	-	-	-	-
Claude-4-Sonnet 2026.02	59.2	-	-	-	-	-	-	-	-	-	-	-	-
DenseMLLM-4B 2026.02	59.1	-	-	-	-	-	-	-	-	-	-	-	-
Sequential 2026.02	58.3	-	-	-	-	-	-	-	-	-	-	-	-
Majority voting@4 2026.02	58.1	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3-VL-4B 2026.02	57.6	-	-	-	-	-	-	-	-	-	-	-	-
PAPO 2026.01	57.52	-	-	-	-	-	-	-	-	-	-	-	-
VAPO 2025.09	57.4	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2-VL-7B+VRGA 2026.03	57.1	-	-	-	-	-	-	-	-	43.8	57.7	-	-
Qwen2.5-VL-7B 2026.01	56.57	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL-7B 2026.04	56.57	-	-	-	-	-	-	-	-	-	-	-	-
Monet 2026.01	56.36	-	-	-	-	-	-	-	-	-	-	-	-
Monet 2026.04	56.36	-	-	-	-	-	-	-	-	-	-	-	-
VL-Cogito 2026.04	56.2	-	-	-	-	-	-	-	-	-	-	-	-
InternVL3.5-8B 2026.01	56.15	-	-	-	-	-	-	-	-	-	-	-	-
InternVL3.5-8B 2026.04	56.15	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL 2026.02	56.1	-	-	-	-	-	-	-	-	-	-	-	-
VL-Rethinker 2026.04	56.1	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL-7B+VRGA 2026.03	55.9	-	-	-	-	-	-	-	-	44.4	54.9	-	-
PAPO 2025.09	55.6	-	-	-	-	-	-	-	-	-	-	-	-
Thyme 2026.04	55.6	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL-3B+VRGA 2026.03	55.4	-	-	-	-	-	-	-	-	45.9	43.3	-	-
VL-Rethinker 2025.09	55.4	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2-VL-7B 2026.03	55.1	-	-	-	-	-	-	-	-	42.5	58.3	-	-
GPT-4o 2024.10	55	-	-	-	-	-	-	-	-	-	-	-	-
MM-Eureka 2025.09	54.8	-	-	-	-	-	-	-	-	-	-	-	-
NEO-ov 2026.05	54.5	-	-	-	-	-	-	-	-	-	-	-	-
InternVL3.5 2026.05	54.5	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL-7B 2026.03	54.2	-	-	-	-	-	-	-	-	42.7	54.7	-	-
SAIL 2026.05	54.2	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL-3B 2026.03	53.4	-	-	-	-	-	-	-	-	44.2	44.5	-	-
Qwen2.5-VL-3B+CCOT 2026.03	53.21	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2.5-VL 2026.05	52.9	-	-	-	-	-	-	-	-	-	-	-	-
F3A 2026.05	52.83	-	-	-	-	-	-	-	-	-	-	-	-
FastV 2026.05	52.52	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3-VL-2B 2026.05	52.41	-	-	-	-	-	-	-	-	-	-	-	-
VisionZip 2026.05	52.41	-	-	-	-	-	-	-	-	-	-	-	-
SAIL-VL 2025.01	52.2	-	-	-	-	-	-	-	-	-	-	-	-
SPHINX-Plus-13B 2024.06	52.1	-	-	-	-	-	-	-	-	-	-	-	-
FastV 2026.05	52.1	-	-	-	-	-	-	-	-	-	-	-	-
DivPrune 2026.05	51.78	-	-	-	-	-	-	-	-	-	-	-	-
VisionZip 2026.05	51.68	-	-	-	-	-	-	-	-	-	-	-	-
DivPrune 2026.05	51.57	-	-	-	-	-	-	-	-	-	-	-	-
F3A 2026.05	51.47	-	-	-	-	-	-	-	-	-	-	-	-
Qwen3-VL 2026.05	51.4	-	-	-	-	-	-	-	-	-	-	-	-
CDPruner 2026.05	51.36	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2-VL-7B+CCOT 2026.03	51.21	-	-	-	-	-	-	-	-	-	-	-	-
LLaVA-OneVision 2026.01	51.1	-	-	-	-	-	-	-	-	-	-	-	-
LLaVA-OneVision 2026.04	51.1	-	-	-	-	-	-	-	-	-	-	-	-
Qwen2 VL 2024.10	50.6	-	-	-	-	-	-	-	-	-	-	-	-

Showing 100 of 358 rows