Woodpecker 是评测安全领域的开源项目，由 VITA-MLLM 开发，2023 年首次发布。
它收录于评测安全分类，该分类目前共有 458 个项目，GitHub 星标数为 650。
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 2026-09-22。完全免费，需自行部署使用。
它主要面向的使用场景是：图像描述生成后自动校对，提升内容准确性。同类可对比的替代方案包括 LLaVA、MiniGPT-4、VisualGPT。
Woodpecker
给多模态模型装上纠错器，让AI描述图片不再瞎编。
Woodpecker 是一个针对多模态大语言模型（MLLM）的幻觉纠正工具。它通过训练一个轻量级的纠正器，在模型生成文本后，利用视觉知识库和交叉验证机制，自动检测并修正模型输出中与图像不符的内容。项目解决了多模态模型在描述图片时容易产生幻觉（即生成不存在的对象或错误属性）的问题，核心能力包括：基于视觉锚点的幻觉检测、利用外部知识库进行事实核查、以及通过微调小型语言模型实现低成本纠正。它不依赖重新训练庞大的基础模型，而是以即插即用的方式集成到现有MLLM流程中，提升生成内容的准确性和可靠性。
开源
free
开源模型
GitHub 星标
★ 650
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VITA-MLLM
所属国家
定价模式free
价格说明开源项目，完全免费，需自行部署使用。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型hallucination,hallucinations,large-language-models,llm,mllm,multimodal-large-language-models,multimodality
GitHub 星标★ 650
30天Star增速
HF 下载量
上线时间2023-09-26 00:00:00
最近更新2026-09-22 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4
使用教程
核心亮点
- 即插即用，无需重训大模型，直接修正现有MLLM输出
- 结合视觉知识库和交叉验证，检测机制可解释性强
- 轻量级方案，适合资源受限场景，部署成本低
不足之处
- 依赖外部知识库，对未见过的物体或场景纠正效果有限
- 文档/社区待观察
适用场景
- 图像描述生成后自动校对，提升内容准确性
- 视觉问答系统，防止模型输出与图像矛盾的信息
- 多模态内容审核，过滤幻觉性错误描述
替代项目
LLaVA、MiniGPT-4、VisualGPT
项目介绍
同类项目推荐
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···