檢索增強(qiáng)生成（RAG）將檢索階段與生成階段結(jié)合起來，后者通常由大型語言模型（LLMs）驅(qū)動(dòng)，RAG中的當(dāng)前常見實(shí)踐是使用“指導(dǎo)”的LLMs，這真的是最優(yōu)選擇嗎？

對(duì)RAG系統(tǒng)中的“instruct”模型及其模板與基礎(chǔ)版本（base）進(jìn)行了原則性評(píng)估。這些“instruct”模型通常經(jīng)過監(jiān)督訓(xùn)練來提高遵循指令的能力，并使用最先進(jìn)技術(shù)與人類偏好對(duì)齊。使用了兩個(gè)任務(wù)指令來評(píng)估模型，任務(wù)指令I(lǐng)要求模型從未提供的文檔中提取答案，任務(wù)指令I(lǐng)I要求模型提供證據(jù)來支持其答案。

在TriviaQA上的任務(wù)指令I(lǐng)下，基礎(chǔ)版與指導(dǎo)+模板版之間的比較。該圖展示了兩個(gè)版本的Llama 2 7B模型生成的回答之間的比較：基礎(chǔ)版和指導(dǎo)+模板版。每個(gè)版本都被賦予了基于提供文檔回答同一問題的任務(wù)。基礎(chǔ)模型正確地識(shí)別出答案為“Burgess Meredith”，而指導(dǎo)+模板版錯(cuò)誤地將答案歸因于“Danny DeVito”。斜體文本表示模板

在TriviaQA上的任務(wù)指令I(lǐng)I下，基礎(chǔ)版與指導(dǎo)+模板版之間的比較。這種比較展示了Llama 2 7B的基礎(chǔ)版和指導(dǎo)+模板版生成的回答之間的一個(gè)例子，其中基礎(chǔ)模型正確地識(shí)別了答案，而指導(dǎo)+模板版錯(cuò)誤地將答案歸因于不同的演員。盡管如此，在兩種情況下，答案都與證據(jù)“一致”，因?yàn)槊宽?xiàng)證據(jù)都包含了生成的答案。斜體文本表示模板。

實(shí)驗(yàn)結(jié)果顯示，在RAG任務(wù)中，基礎(chǔ)模型在沒有額外的指令特定微調(diào)的情況下，平均性能比“instruct”模型高出20%。這一發(fā)現(xiàn)挑戰(zhàn)了關(guān)于“instruct”LLMs在RAG應(yīng)用中優(yōu)越性的普遍假設(shè)。進(jìn)一步的調(diào)查揭示了更復(fù)雜的情況，提出了對(duì)RAG和評(píng)估程序的更廣泛討論的需求。

在NQ和TriviaQA上任務(wù)指令I(lǐng)的準(zhǔn)確度。縮寫C和I分別表示指導(dǎo)模型的聊天版和指導(dǎo)版。后綴T表示使用模板來構(gòu)建其回答的指導(dǎo)模型。準(zhǔn)確度是在不同檢索文檔級(jí)別的報(bào)告。除了部分例外的Mistral，所有基礎(chǔ)模型在性能上都大幅度超過了它們的指導(dǎo)版本。

在NQ和TriviaQA上，需要提供證明的任務(wù)指令I(lǐng)I的準(zhǔn)確度。縮寫C和I分別表示指導(dǎo)模型的聊天版和指導(dǎo)版。后綴T表示使用模板來構(gòu)建其回答的指導(dǎo)模型。準(zhǔn)確度是在不同檢索文檔級(jí)別的報(bào)告。在所有考慮的情況下，基礎(chǔ)模型在性能上都大幅度超過了它們的指導(dǎo)版本。

盡管“instruct”模型在遵循任務(wù)指令方面更為有效，但它們?cè)跍?zhǔn)確拒絕回答（即當(dāng)檢索文檔中不包含答案時(shí)回答NO-RES）方面的表現(xiàn)不如基礎(chǔ)模型（備注：這地方的結(jié)論貌似與實(shí)驗(yàn)數(shù)據(jù)不匹配，有需要小伙伴自行評(píng)測(cè)哈）。此外，當(dāng)不要求模型在答案不出現(xiàn)在檢索文檔中時(shí)回答NO-RES時(shí)，基礎(chǔ)模型仍然表現(xiàn)更好，這表明監(jiān)督微調(diào)和對(duì)齊過程可能對(duì)模型在RAG任務(wù)中的能力產(chǎn)生了負(fù)面影響。

從參數(shù)化記憶中回憶 - Llama 2 7B - TriviaQA。報(bào)告的是參數(shù)化記憶回憶率，定義為模型在檢索文檔不包含正確答案的情況下仍能正確回答的實(shí)例數(shù)，除以答案不在上下文中出現(xiàn)的次數(shù)。（左）如圖1所示的任務(wù)指令I(lǐng)；（右）無拒絕設(shè)置，即不指定在檢索文檔中不包含答案時(shí)回答NO-RES（如圖6所示的示例）。在這種情況下，兩個(gè)模型版本的參數(shù)化記憶回憶率都有所提高。

圖6：在NQ上，任務(wù)指令I(lǐng)下的基礎(chǔ)版與指導(dǎo)版，不允許拒絕回答。這張圖展示了在不允許拒絕回答的設(shè)置下的回答情況，即模型不需要在檢索文檔中不包含答案時(shí)回答NO-RES。它比較了Falcon 7B的基礎(chǔ)版和指導(dǎo)版。基礎(chǔ)模型準(zhǔn)確地識(shí)別出“Rocky”（洛奇）是1976年奧斯卡最佳影片獎(jiǎng)的獲獎(jiǎng)?wù)撸笇?dǎo)版錯(cuò)誤地引用了“Network”（電視臺(tái)）。

在整個(gè)RAG流程中，除了Generation，還涉及Embedding、Indexing等等，PaperAgent團(tuán)隊(duì)RAG專欄進(jìn)行過詳細(xì)的歸納總結(jié)：高級(jí)RAG之36技（術(shù)），可私信留言試看：RAG專欄。

A Tale of Trust and Accuracy: Base vs. Instruct LLMs in RAG Systems
https://arxiv.org/pdf/2406.14972
https://github.com/florin-git/Base-vs-Instruct-LLMs-in-RAG-Systems

本文轉(zhuǎn)載自??PaperAgent??