本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

大模型的幻覺(jué)問(wèn)題，又有新的解決方法了！

Meta AI實(shí)驗(yàn)室提出了一種“分而治之”的解決方案。

有了這個(gè)方案，Llama-65B輸出的信息準(zhǔn)確率提升了一倍，甚至超過(guò)了ChatGPT。

所謂大模型幻覺(jué)，就是輸出一些看似合理但完全不對(duì)的內(nèi)容。

Meta此次提出的“驗(yàn)證鏈”（CoVe），是與“思維鏈”（CoT）相似的一種鏈?zhǔn)椒椒?/span>。

區(qū)別在于，“step-by-step”的思維鏈更關(guān)注邏輯推理，而驗(yàn)證鏈更注重事實(shí)信息。

有網(wǎng)友看了之后發(fā)現(xiàn)，這個(gè)驗(yàn)證鏈很像是自己用ChatGPT寫(xiě)代碼時(shí)的一種科學(xué)方法：

那么“驗(yàn)證鏈”究竟是個(gè)什么方法，“驗(yàn)證”的又是什么呢？

拆解答案，分而治之

驗(yàn)證鏈的核心思想，是把要驗(yàn)證的一大段內(nèi)容，拆解成一個(gè)個(gè)小的問(wèn)題，具體流程是這樣的：

首先，模型會(huì)根據(jù)用戶提出的問(wèn)題照常生成回復(fù)。

接著，根據(jù)生成的回復(fù)內(nèi)容，針對(duì)其中的各項(xiàng)信息，生成一系列的驗(yàn)證問(wèn)題。

然后讓模型自行回答其所提出的這些問(wèn)題，并根據(jù)結(jié)果對(duì)初始答案進(jìn)行調(diào)整，得到最終結(jié)果。

舉個(gè)簡(jiǎn)單的例子，假如想詢問(wèn)模型19世紀(jì)美墨戰(zhàn)爭(zhēng)的主要原因是什么。

模型回答了事件發(fā)生的時(shí)間，以及在這之前都發(fā)生了什么事。

之后針對(duì)這一系列事件，逐一詢問(wèn)它們是什么時(shí)候發(fā)生的。

于是，模型發(fā)現(xiàn)自己提到的一項(xiàng)內(nèi)容時(shí)間相差太遠(yuǎn)，調(diào)整后給出了最終的答案。

其中，問(wèn)題的生成和驗(yàn)證是最關(guān)鍵的一環(huán)，對(duì)此，研究人員一共提出了四種具體的方式：

• Joint，即將生成問(wèn)題和回答的指令寫(xiě)入同一段提示詞
• 2-Step，即先讓模型生成提問(wèn)，然后開(kāi)啟新的對(duì)話（一次性）回答提出的問(wèn)題
• Factored，在2-Step的基礎(chǔ)上，對(duì)提出的每一個(gè)問(wèn)題分別開(kāi)啟新對(duì)話
• Factor+Revise，在Factored的基礎(chǔ)之上加入一致性檢驗(yàn)，讓模型重點(diǎn)關(guān)注前后不一致的內(nèi)容

這四種模式越來(lái)越細(xì)化，準(zhǔn)確率也是越來(lái)越高。

△從紅色開(kāi)始，四種顏色依次代表無(wú)CoVe、Joint、Factored和Factor+Revise

那么為什么拆分提問(wèn)就能提高模型的準(zhǔn)確性呢？

首先是因?yàn)椴鸾夂蟮膯?wèn)題比整體任務(wù)更容易，論述題變成了問(wèn)答甚至選擇、判斷題，問(wèn)題簡(jiǎn)單了，準(zhǔn)確率也就提升了。

此外，把問(wèn)題分解可以讓模型真正重新思考，而不是反復(fù)地重復(fù)錯(cuò)誤答案。

那么，驗(yàn)證鏈方式的效果究竟如何呢？

信息準(zhǔn)確率超過(guò)ChatGPT

為了探究這一問(wèn)題，研究人員用Llama進(jìn)行了測(cè)試，測(cè)試任務(wù)一共有三項(xiàng)。

首先是信息列舉，比如列舉出出生于某地、從事某行業(yè)的名人。

這項(xiàng)任務(wù)中，研究人員一共測(cè)試了兩個(gè)數(shù)據(jù)集——簡(jiǎn)單一些的Wikidata和從難一些的Wiki-Category list（從維基百科中提取）。

結(jié)果發(fā)現(xiàn)，65B參數(shù)的Llama，在two-step模式的驗(yàn)證鏈加持下，簡(jiǎn)單問(wèn)題的準(zhǔn)確度從0.17提升到了0.36，增加了一倍還多，復(fù)雜問(wèn)題準(zhǔn)確度也接近翻番。

接下來(lái)是“閉域問(wèn)答”題，研究人員從MultiSpanQA數(shù)據(jù)集中抽取多個(gè)不連續(xù)信息進(jìn)行挖空提問(wèn)。

比如“誰(shuí)在哪一年創(chuàng)建了世界上第一家出版社”（答案是Johannes Gutenberg, 1450）。

結(jié)果，Cove也為L(zhǎng)lama帶來(lái)了20%左右的準(zhǔn)確度提升。

第三項(xiàng)任務(wù)是“長(zhǎng)段文本傳記生成”，問(wèn)題就是“Tell me a bio of (人名)”，使用FactScore數(shù)據(jù)集進(jìn)行評(píng)價(jià)。

結(jié)果在Factor+Reviese模式下，準(zhǔn)確率不僅比無(wú)驗(yàn)證鏈模式大幅提高，還超過(guò)了ChatGPT。

對(duì)這項(xiàng)研究感興趣的朋友，可以到論文中了解更多細(xì)節(jié)。

論文地址：https://arxiv.org/abs/2309.11495