大規(guī)模語言模型在眾多下游任務(wù)中展現(xiàn)了驚人的能力，但它們?cè)谑褂弥腥匀槐┞读艘恍﹩栴}。其中，幻覺是目前影響大模型落地的重要問題之一。ChatGPT 的發(fā)布使學(xué)術(shù)界和工業(yè)界關(guān)注大模型實(shí)際落地的潛能，大量關(guān)于幻覺的工作也開始涌現(xiàn)。

近期，騰訊 AI Lab 聯(lián)合國(guó)內(nèi)外多家學(xué)術(shù)機(jī)構(gòu)發(fā)布了面向大模型幻覺工作的綜述，對(duì)幻覺的評(píng)估、溯源、緩解等進(jìn)行了全面的探討。

• 論文鏈接：https://arxiv.org/abs/2309.01219
• Github 鏈接：https://github.com/HillZhang1999/llm-hallucination-survey
  

什么是大模型幻覺問題？

根據(jù)相關(guān)工作和平時(shí)對(duì)大模型的使用體驗(yàn)，研究人員總結(jié)了大模型常見的三類幻覺：

1. 和用戶輸入沖突的幻覺 (Input-Conflicting Hallucination)：大模型生成的回復(fù)違背了用戶輸入中的任務(wù)指示或者任務(wù)輸入。
2. 和已生成的上下文沖突的幻覺 (Context-Conflicting Hallucination)：大模型生成的回復(fù)出現(xiàn)了自我矛盾。
3. 和事實(shí)知識(shí)沖突的幻覺 (Fact-Confilicting Hallucination)：大模型生成的回復(fù)與公認(rèn)的事實(shí)知識(shí)出現(xiàn)了沖突。

在上述三類幻覺中，和事實(shí)知識(shí)沖突的幻覺是目前大模型幻覺研究的核心熱點(diǎn)。研究人員認(rèn)為是因?yàn)檫@一類幻覺研究的難度更大，對(duì)用戶實(shí)際使用體驗(yàn)的干擾也最大。例如，大模型在生成醫(yī)療建議時(shí)可能會(huì)捏造錯(cuò)誤的藥品劑量，誤導(dǎo)缺少專業(yè)醫(yī)學(xué)知識(shí)的用戶，產(chǎn)生風(fēng)險(xiǎn)。

大模型幻覺和傳統(tǒng)幻覺的主要區(qū)別在哪里？

在大模型時(shí)代前 (以 ChatGPT 的發(fā)布為節(jié)點(diǎn))，幻覺問題在傳統(tǒng)的自然語言生成任務(wù)中也有一定的研究積累。研究人員總結(jié)了大模型幻覺和傳統(tǒng)幻覺研究的幾點(diǎn)重要區(qū)別：

1. 大模型使用海量訓(xùn)練數(shù)據(jù)：與傳統(tǒng)任務(wù)不同，大模型需要在海量數(shù)據(jù)上進(jìn)行大規(guī)模預(yù)訓(xùn)練。這些海量數(shù)據(jù)往往采集于互聯(lián)網(wǎng)，可能包含大量偽造的、有偏見、過時(shí)的內(nèi)容，從而導(dǎo)致幻覺。由于數(shù)據(jù)規(guī)模過大，上述問題內(nèi)容也難以分析和篩除。
2. 大模型的通用性：傳統(tǒng)模型往往只面向單一的任務(wù)，而大模型則被應(yīng)用于多任務(wù)、多語言、多領(lǐng)域的通用場(chǎng)景。大模型的通用性給幻覺的全面評(píng)估、消除帶來了全新挑戰(zhàn)。
3. 大模型幻覺不易被察覺：由于大模型的強(qiáng)悍能力，大模型生成的幻覺看上去非常合理，有的時(shí)候甚至人類都很難發(fā)現(xiàn)。
4. 其他區(qū)別：大模型的一些新特性，例如額外引入的基于人類反饋的強(qiáng)化學(xué)習(xí) (RLHF) 過程、模糊的知識(shí)邊界、以及潛在的黑盒屬性，也給幻覺研究帶來了新的挑戰(zhàn)。

大模型幻覺如何評(píng)估

大模型幻覺問題的研究基石是可靠的評(píng)估基準(zhǔn)。現(xiàn)有研究工作提出了多個(gè)針對(duì)性的評(píng)估基準(zhǔn)，主要面向事實(shí)沖突類型的幻覺。研究人員從多個(gè)方面對(duì)這些基準(zhǔn)進(jìn)行了總結(jié)。

1. 評(píng)估形式 (Evaluation)：現(xiàn)有評(píng)估基準(zhǔn)往往有兩類方式評(píng)估大模型的幻覺，即生成式 (generation) 和判別式 (discrimination)。生成式的基準(zhǔn)直接評(píng)估大模型生成回復(fù)中出現(xiàn)幻覺的傾向，而判別式的基準(zhǔn)則評(píng)估大模型判斷一段文本是否存在幻覺的能力。
2. 應(yīng)用任務(wù) (Task Format)：現(xiàn)有評(píng)估基準(zhǔn)在不同的下游任務(wù)中評(píng)估大模型的幻覺現(xiàn)象，例如問答、指令遵循、文本續(xù)寫等。
3. 評(píng)測(cè)指標(biāo) (Metrics)：現(xiàn)有評(píng)估基準(zhǔn)各自設(shè)計(jì)了特殊的指標(biāo)，用于判斷大模型出現(xiàn)幻覺的程度，包括：1）人工評(píng)估；2） 基于模型的自動(dòng)評(píng)估；3）基于規(guī)則的自動(dòng)評(píng)估。

大模型幻覺來源于什么

研究人員也對(duì)大模型產(chǎn)生幻覺的原因進(jìn)行了一些初步分析，例如：

1. 大模型缺乏相關(guān)知識(shí)或者記憶錯(cuò)誤知識(shí)：在大模型回答用戶問題或者解決更復(fù)雜的下游任務(wù)時(shí)，如果缺少了所需要的知識(shí)或者從訓(xùn)練數(shù)據(jù)中記憶了錯(cuò)誤的知識(shí)，則有可能出現(xiàn)幻覺。
2. 大模型高估了自己的能力：一些工作發(fā)現(xiàn)，大模型往往無法準(zhǔn)確地估計(jì)自己的能力邊界。因此，大模型在回復(fù)超出自己能力的問題時(shí)，往往會(huì)高估自己，從而自信地編造幻覺回復(fù)。
3. 對(duì)齊過程中引入幻覺：大模型在預(yù)訓(xùn)練階段外，還需要進(jìn)行對(duì)齊，包括指令微調(diào)和 RLHF。這些步驟可能誤導(dǎo)大模型出現(xiàn)幻覺。例如不恰當(dāng)?shù)闹噶钗⒄{(diào)可能讓大模型學(xué)會(huì)捏造自己不會(huì)的答案，RLHF 也可能讓大模型學(xué)會(huì)為了討好人類而編造內(nèi)容。
4. 生成過程中引入幻覺：一些工作認(rèn)為，不恰當(dāng)?shù)纳刹呗砸部赡軐?dǎo)致大模型出現(xiàn)幻覺。例如，基于采樣的解碼生成方式中引入的隨機(jī)性被證明可能導(dǎo)致幻覺，而大模型常用的自回歸生成方式也可能導(dǎo)致幻覺的累積傳播現(xiàn)象。

有什么方法可以緩解大模型幻覺

為了盡可能減少大模型的幻覺現(xiàn)象，從而促進(jìn)大模型的落地應(yīng)用，近期出現(xiàn)了大量新的研究工作嘗試緩解幻覺。針對(duì)緩解幻覺的方法貫穿了包括預(yù)訓(xùn)練、指令微調(diào)、強(qiáng)化學(xué)習(xí)以及推理在內(nèi)的整個(gè)大模型生命周期，研究人員對(duì)此進(jìn)行了如下總結(jié)：

預(yù)訓(xùn)練階段的緩解

已有工作認(rèn)為，大模型的知識(shí)主要來自基于海量文本的自監(jiān)督預(yù)訓(xùn)練。考慮到錯(cuò)誤和缺失的知識(shí)可能導(dǎo)致幻覺的產(chǎn)生，預(yù)訓(xùn)練階段的幻覺緩解工作主要關(guān)注如何自動(dòng)提高預(yù)訓(xùn)練語料質(zhì)量。例如，Llama 2 在構(gòu)建預(yù)訓(xùn)練語料時(shí)，特地對(duì)事實(shí)性更好的數(shù)據(jù)源 (如維基百科) 進(jìn)行了上采樣。

指令微調(diào)階段的緩解

在微調(diào)階段，現(xiàn)有工作也探討了如何提高指令微調(diào)數(shù)據(jù)的質(zhì)量，從而減少大模型的幻覺。與預(yù)訓(xùn)練階段的一個(gè)不同點(diǎn)在于，指令微調(diào)數(shù)據(jù)的規(guī)模較小，可以人工進(jìn)行清洗。

此外，OpenAI 也指出，指令微調(diào)階段存在著因?yàn)樾袨榭寺‖F(xiàn)象而導(dǎo)致幻覺的風(fēng)險(xiǎn)。這一現(xiàn)象代表：指令微調(diào)的數(shù)據(jù)中存在著超過大模型能力的樣本，如果一味地強(qiáng)迫大模型學(xué)習(xí)這類樣本，則有可能導(dǎo)致大模型學(xué)會(huì)對(duì)任何問題都以非常肯定的語氣進(jìn)行回復(fù)。那么反映到實(shí)際使用時(shí)，大模型就會(huì)對(duì)自己不會(huì)的問題捏造回復(fù)，從而導(dǎo)致幻覺。

強(qiáng)化學(xué)習(xí)階段的緩解

針對(duì)行為克隆現(xiàn)象導(dǎo)致的幻覺，OpenAI 的強(qiáng)化學(xué)習(xí)負(fù)責(zé)人 John Schulman 在伯克利大學(xué)的演講中分享了 OpenAI 在訓(xùn)練 ChatGPT 時(shí)緩解幻覺的一種方法。他們?cè)趶?qiáng)化學(xué)習(xí)時(shí)，給大模型不同語氣回復(fù)的錯(cuò)誤以不同的懲罰力度。這樣做的目的是鼓勵(lì)大模型表達(dá)不確定性、質(zhì)疑問題、承認(rèn)錯(cuò)誤，從而緩解過度自信而出現(xiàn)幻覺。

雖然強(qiáng)化學(xué)習(xí)通過讓模型學(xué)會(huì)拒絕回答問題一定程度上緩解了幻覺，但也帶來了額外的問題。由于強(qiáng)化學(xué)習(xí)主要依賴獎(jiǎng)勵(lì)模型提供監(jiān)督信號(hào)，然而獎(jiǎng)勵(lì)模型并不能達(dá)到 100% 的準(zhǔn)確率，導(dǎo)致生成模型可能被過優(yōu)化 (over-optimization)。這種情況下，大模型會(huì)過度保守，拒絕回答一些它本可以回答正確的問題。

推理階段的緩解

由于在推理階段幻覺最為靈活，許多現(xiàn)有工作集中于此方向。代表性的做法有：

1. 改進(jìn)解碼策略：研究人員嘗試通過設(shè)計(jì)更好的解碼策略來緩解幻覺，例如 Inference-Time-Intervention 方法在解碼時(shí)通過讓模型激活值在和事實(shí)性更為相關(guān)的注意力頭上傳播，從而緩解幻覺。

2. 借助外部知識(shí)：通過在模型解碼時(shí)，檢索和用戶問題相關(guān)的知識(shí)，讓模型在回復(fù)時(shí)予以參考，可以顯著解決幻覺問題。這里的知識(shí)源可以是無結(jié)構(gòu)文本、結(jié)構(gòu)化文本 (網(wǎng)頁(yè)或數(shù)據(jù)庫(kù))，甚至是各類工具。

檢索到相關(guān)知識(shí)后，一類做法是直接在模型生成回復(fù)時(shí)提供給模型。另一類做法是在模型生成回復(fù)后，提供給模型，讓模型自我糾正先前回復(fù)中存在的幻覺。

3. 度量不確定性：通過衡量大模型輸出回復(fù)時(shí)的不確定度 (uncertainty)，可以使用戶了解到回復(fù)中哪些部分是不能信任的。常見的不確定度度量方法有：1）基于輸出分?jǐn)?shù)的；2) 基于描述的；3）基于一致性的。

此外，還有更多的緩解方案，如多智能體交互、指令設(shè)計(jì)、人在回路、分析模型內(nèi)部狀態(tài)等，都在論文中有著更詳細(xì)的介紹。

總結(jié)和挑戰(zhàn)

該綜述系統(tǒng)性地探討了大模型幻覺問題的評(píng)估、解釋和緩解策略，希望能給后續(xù)的研究人員以啟發(fā)。此外，大模型幻覺問題的研究也有著一些新的研究方向和挑戰(zhàn)，如：

1. 可靠評(píng)估：大模型的幻覺問題的評(píng)估仍然留有大量挑戰(zhàn)，比如怎樣設(shè)計(jì)健壯的、和人類偏好對(duì)齊的自動(dòng)指標(biāo)，以及判別式和生成式評(píng)估方式的取舍和關(guān)系等。

2. 多語言和跨語言幻覺：大模型往往可被用于多語言和跨語言場(chǎng)景，但研究人員發(fā)現(xiàn)，在英文上表現(xiàn)良好的大模型，在其他語言上可能出現(xiàn)幻覺。

3. 多模態(tài)幻覺：大語言模型的到來使研究者們開始研究多模態(tài)大模型，如語言和圖像、視頻、語音的結(jié)合。在這些多模態(tài)場(chǎng)景下，幻覺問題的研究迎來了新的定義和挑戰(zhàn)。

4. 模型編輯：模型編輯技術(shù)通過直接編輯大模型參數(shù)，來改變它蘊(yùn)含的知識(shí)，從而改變其行為。模型編輯可能是緩解幻覺的一種有潛力的方法。

5. 面向幻覺的攻防：盡管現(xiàn)有的商業(yè)大模型，如 GPT4，已經(jīng)在面向事實(shí)性問題時(shí)展現(xiàn)了良好的可靠性，但已有研究表明可以通過一些方式來繞過大模型的安全策略。面向幻覺的攻防也可能是一個(gè)有趣的研究方向。