长文本信息准确率超过ChatGPT，Meta提出降低大模型幻觉新方法_长文本提炼重点的方法是

克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

大模型的幻觉问题，又有新的解决方法了！

Meta AI实验室提出了一种“分而治之”的解决方案。

有了这个方案，Llama-65B输出的信息准确率提升了一倍，甚至超过了ChatGPT。

所谓大模型幻觉，就是输出一些看似合理但完全不对的内容。

Meta此次提出的“验证链”（CoVe），是与“思维链”（CoT）相似的一种链式方法。

区别在于，“step-by-step”的思维链更关注逻辑推理，而验证链更注重事实信息。

有网友看了之后发现，这个验证链很像是自己用ChatGPT写代码时的一种科学方法：

那么“验证链”究竟是个什么方法，“验证”的又是什么呢？

拆解答案，分而治之

验证链的核心思想，是把要验证的一大段内容，拆解成一个个小的问题，具体流程是这样的：

首先，模型会根据用户提出的问题照常生成回复。

接着，根据生成的回复内容，针对其中的各项信息，生成一系列的验证问题。

然后让模型自行回答其所提出的这些问题，并根据结果对初始答案进行调整，得到最终结果。

举个简单的例子，假如想询问模型19世纪美墨战争的主要原因是什么。

模型回答了事件发生的时间，以及在这之前都发生了什么事。

之后针对这一系列事件，逐一询问它们是什么时候发生的。

于是，模型发现自己提到的一项内容时间相差太远，调整后给出了最终的答案。

其中，问题的生成和验证是最关键的一环，对此，研究人员一共提出了四种具体的方式：

• Joint，即将生成问题和回答的指令写入同一段提示词
• 2-Step，即先让模型生成提问，然后开启新的对话（一次性）回答提出的问题
• Factored，在2-Step的基础上，对提出的每一个问题分别开启新对话
• Factor+Revise，在Factored的基础之上加入一致性检验，让模型重点关注前后不一致的内容

这四种模式越来越细化，准确率也是越来越高。

△从红色开始，四种颜色依次代表无CoVe、Joint、Factored和Factor+Revise

那么为什么拆分提问就能提高模型的准确性呢？

首先是因为拆解后的问题比整体任务更容易，论述题变成了问答甚至选择、判断题，问题简单了，准确率也就提升了。

此外，把问题分解可以让模型真正重新思考，而不是反复地重复错误答案。

那么，验证链方式的效果究竟如何呢？

信息准确率超过ChatGPT

为了探究这一问题，研究人员用Llama进行了测试，测试任务一共有三项。

首先是信息列举，比如列举出出生于某地、从事某行业的名人。

这项任务中，研究人员一共测试了两个数据集——简单一些的Wikidata和从难一些的Wiki-Category list（从维基百科中提取）。

结果发现，65B参数的Llama，在two-step模式的验证链加持下，简单问题的准确度从0.17提升到了0.36，增加了一倍还多，复杂问题准确度也接近翻番。

接下来是“闭域问答”题，研究人员从MultiSpanQA数据集中抽取多个不连续信息进行挖空提问。

比如“谁在哪一年创建了世界上第一家出版社”（答案是Johannes Gutenberg, 1450）。

结果，Cove也为Llama带来了20%左右的准确度提升。

第三项任务是“长段文本传记生成”，问题就是“Tell me a bio of (人名)”，使用FactScore数据集进行评价。

结果在Factor+Reviese模式下，准确率不仅比无验证链模式大幅提高，还超过了ChatGPT。

对这项研究感兴趣的朋友，可以到论文中了解更多细节。

论文地址：
https://arxiv.org/abs/2309.11495