嘿，大家好！這里是一個專注于AI智能體的頻道！

最近，深度學習和人工智能領(lǐng)域的大牛們在arXiv上發(fā)表了一篇有趣的研究，標題挺長的：《檢索增強生成或長上下文大型語言模型？全面研究和混合方法》。

今天分享一篇由Google DeepMind和密歇根大學的研究人員發(fā)布的一個長上下文和RAG混合的方法。

Retrieval Augmented Generation or Long-Context LLMs? AComprehensive Study and Hybrid Approach

檢索增強生成（RAG）一直是大型語言模型（LLMs）高效處理超長文本的強大工具。然而，像Gemini-1.5和GPT-4這樣的最新LLM展現(xiàn)了直接理解長文本的卓越能力。我們對RAG和長文本（LC）LLM進行了全面的比較，旨在利用兩者的優(yōu)點。我們使用三種最新的LLM，在各種公開數(shù)據(jù)集上對RAG和LC進行基準測試。結(jié)果顯示，當資源充足時，LC在平均性能上始終優(yōu)于RAG。然而，RAG顯著較低的成本仍然是一個明顯的優(yōu)勢。基于這一觀察，我們提出了Self-Route，這是一種簡單但有效的方法，根據(jù)模型的自我反思將查詢路由到RAG或LC。Self-Route顯著降低了計算成本，同時保持了與LC相當?shù)男阅?/strong>。我們的研究為使用RAG和LC的長文本應用提供了指導。

首先，讓我們聊聊RAG。這種方法讓LLM通過檢索相關(guān)信息來生成回答，就像是給模型加了個外掛，讓它能夠訪問海量信息，而且成本很低。但是，隨著LLM的發(fā)展，像Gemini1.5和GPT-4這樣的模型已經(jīng)能夠直接理解超長文本了。這就引出了一個問題：我們是否還需要RAG？

研究人員決定做個全面的比較。他們用最新的三個LLM在不同的公共數(shù)據(jù)集上進行了基準測試。結(jié)果發(fā)現(xiàn)，只要資源足夠，LC在幾乎所有情況下都比RAG表現(xiàn)得更好。但是，RAG的成本優(yōu)勢依然明顯。這就是說，雖然LC在理解長文本上更勝一籌，但RAG在成本上更具吸引力。

基于這個問題，研究人員提出了一種新方法，叫做SELF-ROUTE。這種方法根據(jù)模型的自我評估來決定是使用RAG還是LC。SELF-ROUTE在保持與LC相當?shù)男阅艿耐瑫r，顯著降低了計算成本。例如，在Gemini-1.5-Pro上，成本降低了65%，在GPT-4上降低了39%。

研究人員通過深入分析了RAG與LC的預測差異，發(fā)現(xiàn)RAG和LC在很多情況下會給出相同的預測，無論是正確的還是錯誤的。事實上，對于 63% 的查詢，模型預測是完全相同的；對于 70% 的查詢，分數(shù)差異小于 10（絕對值）。有趣的是，相同的預測不一定正確，如代表平均分數(shù)的不同顏色所示，即(S_RAG + S_LC) / 2。這一觀察結(jié)果表明，RAG 和 LC 不僅傾向于做出相同的正確預測，而且傾向于做出類似的錯誤。

因此，我們可以在大多數(shù)查詢中利用 RAG，為一小部分真正擅長的查詢保留計算成本更高的 LC。通過這樣做，RAG 可以在不犧牲整體性能的情況下顯著降低計算成本。

SELF-ROUTE也比較簡單，其實就倆步驟：先是RAG加Route這一步，然后是長上下文預測那一步。前一步里，我們把查詢和檢索到的內(nèi)容塊兒給LLM，然后讓它預測這查詢能不能回答，如果能，就生成答案。這跟咱們平時用的RAG差不多，但有個關(guān)鍵的不同點：LLM現(xiàn)在有個選擇權(quán)，如果覺得根據(jù)提供的內(nèi)容回答不了問題，它可以選擇不回答，提示詞是“Write unanswerable if the query can not be answered based on the provided text”。

對于那些LLM覺得能回答的查詢，我們就直接接受RAG的預測作為最終答案。對于那些LLM覺得回答不了的，咱們就進入第二步，把完整的上下文信息給長上下文LLM，讓它來得出最終預測，也就是LC。評測發(fā)現(xiàn)，雖然RAG得分穩(wěn)定低于LC，但是SELF-ROUTE可以用更少的tokens，獲得接近甚至更好的效果

本文轉(zhuǎn)載自??探索AGI??，作者： 獼猴桃 ????