Self-RAG: 通过自我反思学习检索、生成和批评

RayRay
Self-RAG语言模型检索增强生成自我反思关键词生成Github开源项目

引言

大型语言模型(LLMs)在许多任务中表现出色,但由于仅依赖其内部参数化知识,它们经常产生包含事实错误的回答。为了解决这个问题,研究人员提出了各种方法,其中检索增强生成(RAG)是一种广泛采用的方法。然而,RAG方法也存在一些局限性。本文将介绍一种名为Self-RAG的新型框架,它通过自我反思来学习检索、生成和批评,从而提高语言模型的输出质量和事实准确性。

Self-RAG框架

Self-RAG是由华盛顿大学、IBM AI研究院和艾伦人工智能研究所的研究人员共同开发的一个创新框架。它的核心思想是训练一个任意的语言模型,使其能够:

  1. 按需自适应地检索段落
  2. 生成内容
  3. 对检索到的段落和自身生成的内容进行批评

这个过程通过使用特殊的"反思标记"来实现,这些标记作为生成过程的一个组成部分被预测出来。

Self-RAG框架示意图

自适应检索

与传统的RAG方法不同,Self-RAG可以根据需要进行多次检索,也可以完全跳过检索。这种灵活性使得模型能够更好地适应不同类型的查询和任务。

反思标记

Self-RAG引入了一系列特殊的反思标记,用于评估生成质量的不同方面。这些标记包括:

  • 检索相关性标记
  • 生成支持度标记
  • 整体效用标记

通过生成这些反思标记,Self-RAG在推理阶段变得可控,能够根据不同的任务要求调整其行为。

Self-RAG的训练过程

Self-RAG的训练涉及三个模型:检索器、评论家和生成器。

  1. 首先,训练评论家模型,并使用检索器来增强多样化的指令-输出数据,添加检索到的段落和反思标记。

  2. 然后,使用标准的下一个标记预测目标来训练生成器语言模型,使其学会生成自然的延续以及用于检索或批评其自身生成的特殊标记。

Self-RAG的推理过程

在推理阶段,Self-RAG能够根据不同的下游任务或偏好定制模型行为,而无需重新训练语言模型。具体来说:

  1. 自适应检索:Self-RAG学会生成检索标记,以自适应地进行检索。用户还可以根据软约束调整检索频率。

  2. 基于批评标记的树解码:Self-RAG引入了多个细粒度的批评标记,用于评估生成质量的不同方面。在每个时间步,通过线性插值所需批评标记的概率来进行段级波束搜索,以识别K个最佳延续。

实验结果

实验表明,Self-RAG (7B和13B参数)在多项任务上显著优于最先进的LLMs和检索增强模型:

  • 在开放域问答、推理和事实验证任务中,Self-RAG胜过ChatGPT和检索增强的Llama2-chat。
  • 在长篇生成任务中,Self-RAG在提高事实准确性和引用准确性方面相对于这些模型显示出显著的收益。

实验结果

分析与讨论

消融实验

研究人员进行了消融实验,结果表明Self-RAG的所有训练和推理组件都在提高性能方面发挥了重要作用。

基于批评标记的推理时定制

Self-RAG允许实践者根据不同的细粒度偏好定制模型的行为。例如,在长篇生成任务中:

  • 更加强调模型生成是否被证据支持可以提高引用精确度
  • 减少这种强调可以提高输出流畅度,因为模型可能会更灵活和流畅地生成输出,而不考虑是否有引用证据支持

基于检索标记的自适应检索

Self-RAG会在判断需要检索时自行生成检索标记,同时用户也可以根据不同的最终任务增加或减少检索频率。实验发现:

  • 在开放域问答任务(如PopQA)中,减少检索会导致性能显著下降(相对下降40%)
  • 而在事实验证任务(如PubHealth)中,减少检索只会导致轻微的性能下降(2%)

结论

Self-RAG作为一种新的框架,通过自我反思来增强语言模型的检索、生成和批评能力,显著提高了模型输出的质量和事实准确性。它在多个任务上的出色表现证明了其在提升大型语言模型能力方面的潜力。未来的研究可能会进一步探索如何将Self-RAG应用于更广泛的任务和领域,以及如何进一步优化其训练和推理过程。

Self-RAG的开源实现为研究人员和开发者提供了一个宝贵的工具,有助于推动检索增强语言模型的发展。随着技术的不断进步,我们可以期待看到更多基于Self-RAG的创新应用和改进。

参考资料

如果您发现Self-RAG的代码、数据、模型或论文对您有用,请引用以下论文:

@inproceedings{
asai2024selfrag,
author={Asai, Akari and Wu, Zeqiu and Wang, Yizhong and Sil, Avirup and Hajishirzi, Hannaneh},
title={Self-{RAG}: Learning to Retrieve, Generate, and Critique through Self-Reflection},
booktitle={The Twelfth International Conference on Learning Representations},
year={2024},
url={https://openreview.net/forum?id=hSyW5go0v8}
}

要了解更多信息或获取支持,请访问Self-RAG的GitHub仓库或联系项目维护者。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多