HALC

减少多模态模型幻觉,让AI描述更可信

HALC 是一个针对多模态大语言模型(如 LLaVA)的物体幻觉抑制工具,基于 ICML 2024 论文实现。它通过自适应焦距-对比解码(Adaptive Focal-Contrast Decoding)机制,在生成文本时动态调整注意力焦点,对比原始和增强的视觉特征,从而减少模型对不存在的物体的错误描述。该工具提供完整的推理代码和评估脚本,支持与 LLaVA 等模型无缝集成,旨在提升模型输出的可靠性和事实准确性,尤其适用于需要精确视觉描述的应用场景。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 116
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队BillChan226
所属国家
定价模式free
价格说明开源项目,MIT许可证,完全免费,需自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型hallucinations,large-language-models,lvlms
GitHub 星标★ 116
30天Star增速
HF 下载量
上线时间2023-11-03 00:00:00
最近更新2026-07-31 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 基于ICML 2024论文,方法有理论支撑
  • 提供完整的推理和评估代码,易于复现
  • 支持与主流多模态模型集成,实用性强

不足之处

  • 文档/社区待观察
  • 仅支持特定模型架构,通用性有限

适用场景

  • 多模态对话系统减少错误描述
  • 视觉问答提升答案准确性
  • 图像标注生成更可靠文本

替代项目

VCD (Visual Contrastive Decoding)、OPERA、Woodpecker

项目介绍

HALC 是模型训练领域的开源项目,由 BillChan226 开发,2023 年首次发布。

它收录于模型训练分类,该分类目前共有 518 个项目,GitHub 星标数为 116。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-07-31。MIT许可证,完全免费,需自行部署使用。

它主要面向的使用场景是:多模态对话系统减少错误描述。同类可对比的替代方案包括 VCD (Visual Contrastive Decoding)、OPERA、Woodpecker。

上一篇:SLED

下一篇:awesome-llms-fine-tuning

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13