文章总结与翻译一、主要内容本文聚焦视频大语言模型（VideoLLMs）中的时间幻觉问题，提出了一种无需训练的自诊断对比解码方法（SEASON），旨在同时提升模型输出的时间一致性和空间真实性。核心背景视频大语言模型在视觉-语言任务中取得显著进展，但易产生与视频内容不一致的幻觉，尤其时间幻觉（事件顺序、因果关系错误）未被充分研究，而现有方法多关注空间幻觉（物体或属性 mismatch）。现有解决方案中，训练型方法需昂贵的重训练和高质量偏好数据，无训练方法（如DINO-HEAL、TCD）难以捕捉复杂时间关系和因果逻辑。方法架构时间同质化（Temporal Homogenization）：构建时间负样本（v T v^Tv