DoLa换用注意力信号选层：LLaMA-7B的MC2升至62.8%，但大模型MC1仍归DoLa
对比解码DoLa靠输出词表分布的差异挑选浅层，Sakai等把选层信号换成自注意力分布，提出Attention-JSD、Attention-Entropy-Max与Attention-Entropy-Min三种策略，并保持DoLa框架不变。在TruthfulQA上，LLaMA-7B用Attn-Ent-Min取得MC2 62.8%、MC3 36.5%，高于DoLa的56.5%和30.5%；但LLaMA-33B与65B上DoLa的MC1仍最高，增益集中在多正确答案指标。