只是RAG了一下，我看到了AI大模型的態(tài)度！

十三 2025-01-27 13:31:27 來源：量子位

金磊 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

如果想讓AI大模型在作答的時候，能夠做到既準(zhǔn)確又豐富，還能觀點(diǎn)鮮明有態(tài)度，該怎么辦？

或許，給它一個RAG（檢索增強(qiáng)生成）就夠了。

例如我們問這樣一個問題：

蘋果、三星和華為三家手機(jī)，誰在國內(nèi)的市場未來發(fā)展前景最好？

現(xiàn)在的AI在回答的時候，就會非常有態(tài)度：

它直接是給出了一個非常明確的答案，還給了總結(jié)——

華為的市場未來發(fā)展前景最好。

并且在作答的過程中，會從市場份額和增長趨勢、產(chǎn)品創(chuàng)新與競爭力，以及市場策略與消費(fèi)者認(rèn)可等多個維度來做證明。

這就和以往AI（例如ChatGPT）一碗水端平的回答風(fēng)格產(chǎn)生了差別：

而這不得不說，國內(nèi)大模型里文心一言在RAG方面還是挺牛的。

昨天看到MacTalk的一篇文章，里面詳細(xì)解讀了檢索增強(qiáng)早在百度2023年3月發(fā)布文心一言的時候就已經(jīng)提出來。

現(xiàn)在將近兩年時間過去了，檢索增強(qiáng)的價(jià)值，從百度最早推出到現(xiàn)在已經(jīng)成為業(yè)界共識。

百度檢索增強(qiáng)技術(shù)深度融合大模型能力和搜索系統(tǒng)，構(gòu)建了“理解-檢索-生成”的協(xié)同優(yōu)化技術(shù)。

一言蔽之，就是以自身搜索的優(yōu)勢，結(jié)合RAG技術(shù)，所做到的AI原生檢索。

那么如此打法還能應(yīng)對什么的問題？

我們這就一波實(shí)測走起~

各種刁鉆問題伺候

信息、數(shù)據(jù)整合，應(yīng)當(dāng)是我們大多數(shù)人希望AI能夠幫我們處理的任務(wù)之一。

但往往AI回答的結(jié)果，要么信息過于冗余，要么就是重點(diǎn)不夠清晰。

因此在這方面，我們先來測試一下文心一言的實(shí)力。如下測試，我們使用的是文心大模型4.0 Turbo版，請聽題：

李永樂全網(wǎng)粉絲有多少？

可以看到，文心一言作答的內(nèi)容非常簡潔，一目了然。

它先是直擊問題，給出了超過3000萬的數(shù)字；然后利用總分的方式，列舉了抖音、西瓜視頻和B站上各自擁有的粉絲。

然后它還簡單的對李永樂老師做了人物介紹，整體的感覺可以用恰到好處來形容了。

類似的問題要是給到ChatGPT，例如“馬斯克全網(wǎng)粉絲有多少”，雖然也是采用總分方式羅列了各個平臺的粉絲數(shù)，但最核心的總數(shù)卻沒做統(tǒng)計(jì)：

有些時候我們的問題可能并不只是一個，會出現(xiàn)圍繞一個話題或關(guān)鍵詞連續(xù)提問的情況。

而這也是考驗(yàn)大模型能否精準(zhǔn)捕捉用戶意圖的一個點(diǎn)。

于是乎，我們接下來提這樣一個問題：

什么是三?制籃球?賽？?賽時間、勝出條件、場地和?球分別是什么規(guī)則，和五?制籃球有什么區(qū)別？

來看一下這一次文心一言的表現(xiàn)：

從回答的內(nèi)容來看，文心一言是把連續(xù)的幾個問題都get到了。

值得一提的是，它還會根據(jù)問題的內(nèi)容，采用較為合適的方式來回答。

例如在三人制籃球方面，文心一言會以文字的形式為主，用清晰的展示方式回答各種細(xì)節(jié)。

但在三人制與五人制籃球區(qū)別的問題上，文心一言則是采用表格的形式，而這種形式是更容易讓用戶一看出細(xì)節(jié)對比。

最后，文心一言還提供了幾個相關(guān)內(nèi)容的視頻，可以說是把多模態(tài)這事兒給玩兒明白了。

那么對于非常專業(yè)的知識，文心一言的回答又會和其它AI有什么樣的區(qū)別呢？

請聽題：

傅里葉變化的時候，函數(shù)應(yīng)該具有頻率、相位和幅度三個重要參數(shù)，為什么其中的相位在頻域圖上是沒有的？

文心一言在做到的最開頭，就直接回答了問題的核心關(guān)鍵，即“主要涉及到頻域圖的表示方式和目的”。

（PS：即便我們的Prompt中有錯別字，文心一言也會按照正確內(nèi)容輸出哦~）

然后依舊是像剝洋蔥一樣，層層剖析，給最終的結(jié)論做證明。

可以看到，對用戶提出的專業(yè)知識問題里的意圖這一塊，文心一言是拿捏住了。

那么再接下來，我們再來考驗(yàn)一下文心一言是否有明確態(tài)度、鮮明觀點(diǎn)的能力。

題目是這樣的：

微軟和谷歌2024年在大模型上的發(fā)展，哪個對生態(tài)有更大的影響？

嗯，回答的還是一針見血——微軟的影響力更大。

但在評價(jià)微軟和谷歌的優(yōu)劣時，文心一言也是盡量保持了客觀和中立的態(tài)度，沒有過度偏向某一方。是基于事實(shí)和數(shù)據(jù)進(jìn)行了分析，并嘗試從多個角度呈現(xiàn)問題，以便讀者能夠形成自己的判斷。

并且從參考鏈接來看，回答的內(nèi)容還注重實(shí)用性，盡量提供了具體的信息和例子來支持論點(diǎn)，使得回答更加具有說服力和實(shí)用性。

最后的一波測試，我們來考驗(yàn)一下文心一言的“心智”——連環(huán)“弱智吧”問題提問：

一個半小時是幾個半小時？隕石為什么總是落在隕石坑里？人如果只剩一個心臟還能活嗎？

嗯，毫不相干的弱智吧三連提問，文心一言是統(tǒng)統(tǒng)都hold了。

怎么做到的？

在實(shí)測完后，我們繼續(xù)來扒一扒文心一言背后的技術(shù)。

即為什么給大模型一個RAG，就能讓它回答的內(nèi)容不僅降低了幻覺，還能像人一樣有態(tài)度和觀點(diǎn)。

首先，對于RAG（檢索增強(qiáng)生成）來說，檢索是方法，生成是目的。

通過高質(zhì)量的檢索系統(tǒng)，RAG能夠解決大型語言模型生成過程中的幻覺現(xiàn)象、垂類細(xì)分場景下的知識更新較慢，以及在回答中缺乏透明度等一系列問題。

檢索質(zhì)量的優(yōu)劣在很大程度上影響了生成模型的最終生成結(jié)果的優(yōu)劣。

RAG技術(shù)通過引入檢索機(jī)制，使得模型在生成回答時能夠參考更多的信息，從而提高了回答的準(zhǔn)確性和豐富性。

而文心一言基于百度在中文互聯(lián)網(wǎng)領(lǐng)域的深厚積累，具備中文深度理解能力，能夠更準(zhǔn)確地理解中文語境和語義，從而在RAG任務(wù)中表現(xiàn)出色。

從我們剛才的實(shí)測內(nèi)容來看，它還支持多模態(tài)檢索，能夠處理圖像、文本等多種類型的數(shù)據(jù)，進(jìn)一步拓寬了模型的信息來源。

而且對于大型模型而言，人類易讀的搜索結(jié)果往往并不適用于模型的處理需求。

因此，我們需要找到一種創(chuàng)新的架構(gòu)解決方案，它能夠同時高效地滿足搜索業(yè)務(wù)場景的需求以及大型模型的生成場景。

為了應(yīng)對這一挑戰(zhàn)，百度將自身高質(zhì)量的搜索結(jié)果融入大模型進(jìn)行檢索增強(qiáng)，能為大模型提供準(zhǔn)確率高、時效性強(qiáng)的參考信息，從而更好地滿足用戶需求。

自文心一言發(fā)布以來，百度便強(qiáng)調(diào)檢索增強(qiáng)的重要性，歷經(jīng)近兩年時間，檢索增強(qiáng)的價(jià)值已獲得業(yè)界廣泛認(rèn)可。

百度研發(fā)的“理解 – 檢索 – 生成”協(xié)同優(yōu)化檢索增強(qiáng)技術(shù)，提升了大模型技術(shù)及應(yīng)用效果。

在理解階段，借助大模型剖析用戶需求，拆解知識點(diǎn)。

檢索階段，則針對大模型優(yōu)化搜索排序，統(tǒng)一處理搜索返回的異構(gòu)信息后提供給大模型。

而在生成階段，綜合多源信息進(jìn)行判斷，利用大模型的邏輯推理能力消解信息沖突，進(jìn)而生成準(zhǔn)確率高、時效性優(yōu)的答案。

因此，如何讓大模型回答得更準(zhǔn)、更豐富且更有態(tài)度，文心一言算是給出了一種解法。

RAG技術(shù)堪稱大模型的根基所在，它對大模型輸出結(jié)果的影響極為關(guān)鍵且直接。

從回答的基礎(chǔ)特性來看，其左右著回答內(nèi)容的真實(shí)性，能否基于可靠事實(shí)給出回應(yīng)；把控著時效性，確保答案貼合當(dāng)下動態(tài)，不滯后于現(xiàn)實(shí)發(fā)展。

在豐富性層面，決定了回答是否能旁征博引、多元呈現(xiàn)；于專業(yè)性維度，關(guān)乎能否以專業(yè)知識深度剖析問題。

就連回答的結(jié)構(gòu)搭建以及所呈現(xiàn)出的立場態(tài)度，也與RAG技術(shù)緊密相連。

當(dāng)下，大模型領(lǐng)域競爭激烈，新技術(shù)、新成果不斷涌現(xiàn)，各方似乎都熱衷于展現(xiàn)前沿、高超的能力。

然而，無論如何 “炫技”，大模型最終的落腳點(diǎn)必然是切實(shí)的現(xiàn)實(shí)場景應(yīng)用。

畢竟，只有扎實(shí)地掌握像RAG技術(shù)這類基礎(chǔ) “看家本領(lǐng)”，夯實(shí)根基，才能在實(shí)際運(yùn)用中站穩(wěn)腳跟，真正發(fā)揮大模型的價(jià)值。