DoLa

不重训模型,对比层输出,让大模型少说瞎话。

DoLa 是一个用于提升大语言模型事实性的解码策略,来自同名论文的官方实现。它通过对比不同层级的输出分布来优化生成过程,减少模型在回答时产生的幻觉,使生成内容更符合事实。核心能力是无需重新训练模型,只需在推理时调整解码方式,即可显著提升模型在多项知识密集型任务上的准确性。项目提供了简洁的 API,支持与 Hugging Face 的模型集成,并附有复现论文实验的代码和脚本。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 559
维护状态 维护中
是否开源
定价模式 free

项目数据

分类开源模型
开发团队voidism
所属国家
官网地址
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
开源协议
主要语言Python
技术栈/模型factuality,hallucinations,large-language-models
GitHub 星标★ 559
30天Star增速
HF 下载量
上线时间2023-08-21 00:00:00
最近更新2026-09-09 00:00:00
维护状态维护中
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5

使用教程

核心亮点

  • 无需微调,直接替换解码策略即可提升事实性
  • 官方实现,代码结构清晰,易于集成到现有推理流程
  • 在 TruthfulQA 等基准上验证有效,有论文支撑

不足之处

  • 仅支持特定架构(如 LLaMA),通用性有限
  • 文档/社区待观察

适用场景

  • 问答系统减少幻觉
  • 知识密集型文本生成
  • 事实性评估基准测试

替代项目

Contrastive Decoding、TruthfulQA、SelfCheckGPT

项目介绍

DoLa 是模型训练领域的开源项目,由 voidism 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 559。

项目仍在小幅维护中,最近一次代码更新于 2026-09-09。完全免费,需自行部署使用。

它主要面向的使用场景是:问答系统减少幻觉。同类可对比的替代方案包括 Contrastive Decoding、TruthfulQA、SelfCheckGPT。

上一篇:OpenRLHF

下一篇:RandOpt

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