長文本信息準(zhǔn)確率超過ChatGPT，Meta提出降低大模型幻覺新方法
拆解原始答案，逐項(xiàng)信息驗(yàn)證
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(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(yàn)證鏈”（CoVe），是與“思維鏈”（CoT）相似的一種鏈?zhǔn)椒椒?/strong>。
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(fù)。
接著，根據(jù)生成的回復(fù)內(nèi)容，針對其中的各項(xiàng)信息，生成一系列的驗(yàn)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(jìn)行調(diào)整，得到最終結(jié)果。
舉個(gè)簡單的例子，假如想詢問模型19世紀(jì)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(shí)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(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，問題的生成和驗(yàn)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(gè)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(yàn)，讓模型重點(diǎn)關(guān)注前后不一致的內(nèi)容
這四種模式越來越細(xì)化，準(zhǔn)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(zhǔn)確性呢？
首先是因?yàn)椴鸾夂蟮膯栴}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(zhǔn)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(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ChatGPT
為了探究這一問題，研究人員用Llama進(jìn)行了測試，測試任務(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，研究人員一共測試了兩個(gè)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(yàn)證鏈加持下，簡單問題的準(zhǔn)確度從0.17提升到了0.36，增加了一倍還多，復(fù)雜問題準(zhǔn)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(gè)不連續(xù)信息進(jìn)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(zhǔn)確度提升。
第三項(xiàng)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(jìn)行評價(jià)。
結(jié)果在Factor+Reviese模式下，準(zhǔn)確率不僅比無驗(yàn)證鏈模式大幅提高，還超過了ChatGPT。
對這項(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
- 字節(jié)突然開源Seed-OSS，512K上下文主流4倍長度，推理能力刷紀(jì)錄2025-08-21
- “現(xiàn)在讀AI博士已經(jīng)太晚了”2025-08-19
- 谷歌AI攻克亞洲語言難題，2300種語言數(shù)字化計(jì)劃正在推進(jìn)2025-08-18
- AMD蘇姿豐公開懟扎克伯格！反對1億年薪挖人，使命感比鈔票更重要2025-08-18
相關(guān)閱讀
「大一統(tǒng)」大模型論文爆火，4種模態(tài)任意輸入輸出，華人本科生5篇頂會一作，網(wǎng)友：近期最不可思議的論文
走通大模型“必經(jīng)之路”
