克雷西 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
大模型的幻覺問題，又有新的解決方法了！
Meta AI實驗室提出了一種“分而治之”的解決方案。
有了這個方案，Llama-65B輸出的信息準確率提升了一倍，甚至超過了ChatGPT。
所謂大模型幻覺，就是輸出一些看似合理但完全不對的內(nèi)容。
Meta此次提出的“驗證鏈”（CoVe），是與“思維鏈”（CoT）相似的一種鏈式方法。
區(qū)別在于，“step-by-step”的思維鏈更關(guān)注邏輯推理，而驗證鏈更注重事實信息。
有網(wǎng)友看了之后發(fā)現(xiàn)，這個驗證鏈很像是自己用ChatGPT寫代碼時的一種科學方法：
那么“驗證鏈”究竟是個什么方法，“驗證”的又是什么呢？
拆解答案，分而治之
驗證鏈的核心思想，是把要驗證的一大段內(nèi)容，拆解成一個個小的問題，具體流程是這樣的：
首先，模型會根據(jù)用戶提出的問題照常生成回復。
接著，根據(jù)生成的回復內(nèi)容，針對其中的各項信息，生成一系列的驗證問題。
然后讓模型自行回答其所提出的這些問題，并根據(jù)結(jié)果對初始答案進行調(diào)整，得到最終結(jié)果。
舉個簡單的例子，假如想詢問模型19世紀美墨戰(zhàn)爭的主要原因是什么。
模型回答了事件發(fā)生的時間，以及在這之前都發(fā)生了什么事。
之后針對這一系列事件，逐一詢問它們是什么時候發(fā)生的。
于是，模型發(fā)現(xiàn)自己提到的一項內(nèi)容時間相差太遠，調(diào)整后給出了最終的答案。
其中，問題的生成和驗證是最關(guān)鍵的一環(huán)，對此，研究人員一共提出了四種具體的方式：
Joint，即將生成問題和回答的指令寫入同一段提示詞
2-Step，即先讓模型生成提問，然后開啟新的對話（一次性）回答提出的問題
Factored，在2-Step的基礎(chǔ)上，對提出的每一個問題分別開啟新對話
Factor+Revise，在Factored的基礎(chǔ)之上加入一致性檢驗，讓模型重點關(guān)注前后不一致的內(nèi)容
這四種模式越來越細化，準確率也是越來越高。
△從紅色開始，四種顏色依次代表無CoVe、Joint、Factored和Factor+Revise
那么為什么拆分提問就能提高模型的準確性呢？
首先是因為拆解后的問題比整體任務(wù)更容易，論述題變成了問答甚至選擇、判斷題，問題簡單了，準確率也就提升了。
此外，把問題分解可以讓模型真正重新思考，而不是反復地重復錯誤答案。
那么，驗證鏈方式的效果究竟如何呢？
信息準確率超過ChatGPT
為了探究這一問題，研究人員用Llama進行了測試，測試任務(wù)一共有三項。
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。
這項任務(wù)中，研究人員一共測試了兩個數(shù)據(jù)集簡單一些的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模式的驗證鏈加持下，簡單問題的準確度從0.17提升到了0.36，增加了一倍還多，復雜問題準確度也接近翻番。
接下來是“閉域問答”題，研究人員從MultiSpanQA數(shù)據(jù)集中抽取多個不連續(xù)信息進行挖空提問。
比如“誰在哪一年創(chuàng)建了世界上第一家出版社”（答案是Johannes Gutenberg, 1450）。
結(jié)果，Cove也為Llama帶來了20%左右的準確度提升。
第三項任務(wù)是“長段文本傳記生成”，問題就是“Tell me a bio of (人名)”，使用FactScore數(shù)據(jù)集進行評價。
結(jié)果在Factor+Reviese模式下，準確率不僅比無驗證鏈模式大幅提高，還超過了ChatGPT。
