TaD：任務(wù)感知解碼技術(shù)（Task-aware Decoding，簡(jiǎn)稱TaD），京東聯(lián)合清華大學(xué)針對(duì)大語(yǔ)言模型幻覺問(wèn)題提出的一項(xiàng)技術(shù)，成果收錄于IJCAI2024。

RAG：檢索增強(qiáng)生成技術(shù)（Retrieval-augmented Generation，簡(jiǎn)稱RAG），是業(yè)內(nèi)解決LLM幻覺問(wèn)題最有效的系統(tǒng)性方案。

1. 背景介紹

近來(lái)，以ChatGPT為代表的生成式大語(yǔ)言模型（Large Language Model，簡(jiǎn)稱LLM）掀起了新一輪AI熱潮，并迅速席卷了整個(gè)社會(huì)的方方面面。得益于前所未有的模型規(guī)模、訓(xùn)練數(shù)據(jù)，以及引入人類反饋的訓(xùn)練新范式，LLM在一定程度上具備對(duì)人類意圖的理解和甄別能力，可實(shí)現(xiàn)生動(dòng)逼真的類人對(duì)話互動(dòng)，其回答的準(zhǔn)確率、邏輯性、流暢度都已經(jīng)無(wú)限接近人類水平。此外，LLM還出現(xiàn)了神奇的“智能涌現(xiàn)”現(xiàn)象，其產(chǎn)生的強(qiáng)大的邏輯推理、智能規(guī)劃等能力，已逐步應(yīng)用到智能助理、輔助創(chuàng)作、科研啟發(fā)等領(lǐng)域。京東在諸多核心業(yè)務(wù)如AI搜索、智能客服、智能導(dǎo)購(gòu)、創(chuàng)意聲稱、推薦/廣告、風(fēng)控等場(chǎng)景下，均對(duì)LLM的落地應(yīng)用進(jìn)行了深入探索。這一舉措提升了業(yè)務(wù)效率，增強(qiáng)了用戶體驗(yàn)。

盡管具備驚艷的類人對(duì)話能力，大語(yǔ)言模型的另外一面——不準(zhǔn)確性，卻逐漸成為其大規(guī)模落地的制約和瓶頸。通俗地講，LLM生成不準(zhǔn)確、誤導(dǎo)性或無(wú)意義的信息被稱為“幻覺”，也就是常說(shuō)的“胡說(shuō)八道”。當(dāng)然也有學(xué)者，比如OpenAI的CEO Sam Altman，將LLM產(chǎn)生的“幻覺”視為“非凡的創(chuàng)造力”。但是在大多數(shù)場(chǎng)景下，模型提供正確回答的能力至關(guān)重要，因此幻覺常常被認(rèn)為是一種缺陷；尤其是在一些對(duì)輸出內(nèi)容準(zhǔn)確性要求較高的場(chǎng)景下，比如醫(yī)療診斷、法律咨詢、工業(yè)制造、售后客服等，幻覺問(wèn)題導(dǎo)致的后果往往是災(zāi)難性的。

本文主要探索針對(duì)LLM幻覺問(wèn)題的解決方案。

2. 相關(guān)調(diào)研

眾所周知，大語(yǔ)言模型的本質(zhì)依然是語(yǔ)言模型（Language Model，簡(jiǎn)稱LM），該模型可通過(guò)計(jì)算句子概率建模自然語(yǔ)言概率分布。具體而言，LM基于統(tǒng)計(jì)對(duì)大量語(yǔ)料進(jìn)行分析，按順序預(yù)測(cè)下一個(gè)特定字/詞的概率。LLM的主要功能是根據(jù)輸入文本生成連貫且上下文恰當(dāng)?shù)幕貜?fù)，即生成與人類語(yǔ)言和寫作的模式結(jié)構(gòu)極為一致的文本。注意到，LLM并不擅長(zhǎng)真正理解或傳遞事實(shí)信息。故而其幻覺不可徹底消除。亞利桑那州立大學(xué)教授Subbarao Kambhampati認(rèn)為：LLM所生成的全都是幻覺，只是有時(shí)幻覺碰巧和你的現(xiàn)實(shí)一致而已。新加坡國(guó)立大學(xué)計(jì)算學(xué)院的Ziwei Xu和Sanjay Jain等也認(rèn)為L(zhǎng)LM的幻覺無(wú)法完全消除[1]。

雖然幻覺問(wèn)題無(wú)法徹底消除，但依然可以進(jìn)行優(yōu)化和緩解，業(yè)內(nèi)也有不少相關(guān)的探索。有研究[2]總結(jié)了LLM產(chǎn)生幻覺的三大來(lái)源：數(shù)據(jù)、訓(xùn)練和推理，并給出了對(duì)應(yīng)的緩解策略。

2.1 數(shù)據(jù)引入的幻覺

“病從口入”，訓(xùn)練數(shù)據(jù)是LLM的糧食，數(shù)據(jù)缺陷是使其致幻的一大原因。數(shù)據(jù)缺陷既包括數(shù)據(jù)錯(cuò)誤、缺失、片面、過(guò)期等，也包括由于領(lǐng)域數(shù)據(jù)不足所導(dǎo)致的模型所捕獲的事實(shí)知識(shí)利用率較低等問(wèn)題。以下是針對(duì)訓(xùn)練數(shù)據(jù)類幻覺的一些技術(shù)方案：

數(shù)據(jù)清洗

針對(duì)數(shù)據(jù)相關(guān)的幻覺，最直接的方法就是收集更多高質(zhì)量的事實(shí)數(shù)據(jù)，并進(jìn)行數(shù)據(jù)清理。訓(xùn)練數(shù)據(jù)量越大、質(zhì)量越高，最終訓(xùn)練得到的LLM出現(xiàn)幻覺的可能性就可能越小[3]。但是，訓(xùn)練數(shù)據(jù)總有一定的覆蓋范圍和時(shí)間邊界，不可避免地形成知識(shí)邊界，單純從訓(xùn)練數(shù)據(jù)角度解決幻覺問(wèn)題，并不是一個(gè)高性價(jià)比的方案。

針對(duì)“知識(shí)邊界”問(wèn)題，有兩種主流方案：一種是知識(shí)編輯，即直接編輯模型參數(shù)彌合知識(shí)鴻溝。另一種是檢索增強(qiáng)生成（Retrieval-augmented Generation，簡(jiǎn)稱RAG），保持模型參數(shù)不變，引入第三方獨(dú)立的知識(shí)庫(kù)。

知識(shí)編輯

知識(shí)編輯有兩種方法：1）編輯模型參數(shù)的方法可以細(xì)粒度地調(diào)整模型的效果，但難以實(shí)現(xiàn)知識(shí)間泛化能力，且不合理的模型編輯可能會(huì)導(dǎo)致模型產(chǎn)生有害或不適當(dāng)?shù)妮敵鯷4]；2）外部干預(yù)的方法（不編輯模型參數(shù)）對(duì)大模型通用能力影響較小，但需要引入一個(gè)單獨(dú)的模塊，且需要額外的資源訓(xùn)練這個(gè)模塊。

如何保持原始LLM能力不受影響的前提下，實(shí)現(xiàn)知識(shí)的有效更新，是LLM研究中的重要挑戰(zhàn)[2]。鑒于知識(shí)編輯技術(shù)會(huì)給用戶帶來(lái)潛在風(fēng)險(xiǎn)，無(wú)論學(xué)術(shù)界還是業(yè)界都建議使用包含明確知識(shí)的方法，比如RAG。

檢索增強(qiáng)生成（RAG）

RAG引入信息檢索過(guò)程，通過(guò)第三方數(shù)據(jù)庫(kù)中檢索相關(guān)信息來(lái)增強(qiáng)LLM的生成過(guò)程，從而提高準(zhǔn)確性和魯棒性，降低幻覺。由于接入外部實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)，RAG在理論上沒有知識(shí)邊界的限制，且無(wú)需頻繁進(jìn)行LLM的訓(xùn)練，故已經(jīng)成為L(zhǎng)LM行業(yè)落地最佳實(shí)踐方案。下圖1為RAG的一個(gè)標(biāo)準(zhǔn)實(shí)現(xiàn)方案[11]，用戶的Query首先會(huì)經(jīng)由信息檢索模塊處理并召回相關(guān)文檔；隨后RAG方法將Prompt、用戶query和召回文檔一起輸入LLM，最終由LLM生成最終的答案。

圖1. RAG架構(gòu)圖

RAG借助信息檢索，引入第三方事實(shí)知識(shí)，大大緩解了單純依靠LLM生成答案而產(chǎn)生的幻覺，但由LLM生成的最終輸出仍然有較大概率產(chǎn)生幻覺。因此，緩解LLM本身的幻覺，對(duì)整個(gè)RAG意義重大。

2.2 模型訓(xùn)練引入的幻覺

LLM的整個(gè)訓(xùn)練過(guò)程，都可能會(huì)引入幻覺。首先，LLM通常是transformer結(jié)構(gòu)的單向語(yǔ)言模型，通過(guò)自回歸的方式建模目標(biāo)，天然存在單向表示不足、注意力缺陷[6]、曝光偏差[7]等問(wèn)題；其次，在文本對(duì)齊階段，無(wú)論是監(jiān)督微調(diào)（SFT）還是人類反饋的強(qiáng)化學(xué)習(xí)（RLHF），都有可能出現(xiàn)有標(biāo)注數(shù)據(jù)超出LLM知識(shí)邊界、或者與LLM內(nèi)在知識(shí)不一致的問(wèn)題；這一系列對(duì)齊問(wèn)題很可能放大LLM本身的幻覺風(fēng)險(xiǎn)[8]。

對(duì)于訓(xùn)練過(guò)程引入的幻覺，可以通過(guò)優(yōu)化模型結(jié)構(gòu)、注意力機(jī)制、訓(xùn)練目標(biāo)、改進(jìn)偏好模型等一系列手段進(jìn)行緩解。但這些技術(shù)都缺乏通用性，難以在現(xiàn)有的LLM上進(jìn)行遷移，實(shí)用性不高。

2.3 推理過(guò)程引入的幻覺

推理過(guò)程引入的幻覺，一方面源自于解碼策略的抽樣隨機(jī)性，它與幻覺風(fēng)險(xiǎn)的增加呈正相關(guān)，尤其是采樣溫度升高導(dǎo)致低頻token被采樣的概率提升，進(jìn)一步加劇了幻覺風(fēng)險(xiǎn)[9]。另一方面，注意力缺陷如上下文注意力不足、Softmax瓶頸導(dǎo)致的不完美解碼都會(huì)引入幻覺風(fēng)險(xiǎn)。

層對(duì)比解碼（DoLa）

針對(duì)推理過(guò)程解碼策略存在的缺陷，一項(xiàng)具有代表性且較為有效的解決方案是層對(duì)比解碼（Decoding by Contrasting Layers, 簡(jiǎn)稱DoLa）[9]。模型可解釋性研究發(fā)現(xiàn)，在基于Transformer的語(yǔ)言模型中，下層transformer編碼“低級(jí)”信息（詞性、語(yǔ)法），而上層中包含更加“高級(jí)”的信息（事實(shí)知識(shí)）[10]。DoLa主要通過(guò)強(qiáng)調(diào)較上層中的知識(shí)相對(duì)于下層中的知識(shí)的“進(jìn)步”，減少語(yǔ)言模型的幻覺。具體地，DoLa通過(guò)計(jì)算上層與下層之間的logits差，獲得輸出下一個(gè)詞的概率。這種對(duì)比解碼方法可放大LLM中的事實(shí)知識(shí)，從而減少幻覺。

圖2. DoLa示意圖

上圖2是DoLa的一個(gè)簡(jiǎn)單直觀的示例?！癝eattle”在所有層上都保持著很高的概率，可能僅僅因?yàn)樗且粋€(gè)從語(yǔ)法角度上講比較合理的答案。當(dāng)上層通過(guò)層對(duì)比解碼注入更多的事實(shí)知識(shí)后，正確答案“Olympia”的概率會(huì)增加?？梢?，層對(duì)比解碼（DoLa）技術(shù)可以揭示真正的答案，更好地解碼出LLM中的事實(shí)知識(shí)，而無(wú)需檢索外部知識(shí)或進(jìn)行額外微調(diào)。此外，DoLa還有動(dòng)態(tài)層選擇策略，保證最上層和中間層的輸出差別盡可能大。

可見，DoLa的核心思想是淡化下層語(yǔ)言/語(yǔ)法知識(shí)，盡可能放大事實(shí)性知識(shí)，但這可能導(dǎo)致生成內(nèi)容存在語(yǔ)法問(wèn)題；在實(shí)驗(yàn)中還發(fā)現(xiàn)DoLa會(huì)傾向于生成重復(fù)的句子，尤其是長(zhǎng)上下文推理場(chǎng)景。此外，DoLa不適用有監(jiān)督微調(diào)，限制了LLM的微調(diào)優(yōu)化。

3. 技術(shù)突破

通過(guò)以上分析，RAG無(wú)疑是治療LLM幻覺的一副妙方，它如同LLM的一個(gè)強(qiáng)大的外掛，讓其在處理事實(shí)性問(wèn)題時(shí)如虎添翼。但RAG的最終輸出仍然由LLM生成，緩解LLM本身的幻覺也極為重要，而目前業(yè)內(nèi)針對(duì)LLM本身幻覺的技術(shù)方案存在成本高、實(shí)用落地難、易引入潛在風(fēng)險(xiǎn)等問(wèn)題。

鑒于此，京東零售聯(lián)合清華大學(xué)進(jìn)行相關(guān)探索，提出任務(wù)感知解碼（Task-aware Decoding，簡(jiǎn)稱TaD）技術(shù)[12]（成果收錄于IJCAI2024），可即插即用地應(yīng)用到任何LLM上，通過(guò)對(duì)比有監(jiān)督微調(diào)前后的輸出，緩解LLM本身的幻覺。該方法通用性強(qiáng)，在多種不同LLM結(jié)構(gòu)、微調(diào)方法、下游任務(wù)和數(shù)據(jù)集上均有效，具有廣泛的適用場(chǎng)景。

任務(wù)感知解碼（TaD）技術(shù)

關(guān)于LLM知識(shí)獲取機(jī)制的一些研究表明，LLM的輸出并不能總是準(zhǔn)確反映它們所擁有的知識(shí)，即使一個(gè)模型輸出錯(cuò)誤，它仍然可能擁有正確的知識(shí)[13]。此項(xiàng)工作主要探索LLM在保留預(yù)訓(xùn)練學(xué)到的公共知識(shí)的同時(shí)，如何更好地利用微調(diào)過(guò)程中習(xí)得的下游任務(wù)特定領(lǐng)域知識(shí)，進(jìn)而提升其在具體任務(wù)中的效果，緩解LLM幻覺。

TaD的基本原理如圖3所示。微調(diào)前LLM和微調(diào)后LLM的輸出詞均為“engage”，但深入探究不難發(fā)現(xiàn)其相應(yīng)的預(yù)測(cè)概率分布發(fā)生了明顯的改變，這反映了LLM在微調(diào)期間試圖將其固有知識(shí)盡可能地適應(yīng)下游任務(wù)的特定領(lǐng)域知識(shí)。具體而言，經(jīng)過(guò)微調(diào)，更加符合用戶輸入要求（“專業(yè)的”）的詞“catalyze”的預(yù)測(cè)概率明顯增加，而更通用的反映預(yù)訓(xùn)練過(guò)程習(xí)得的知識(shí)卻不能更好滿足下游任務(wù)用戶需求的詞“engage”的預(yù)測(cè)概率有所降低。TaD巧妙利用微調(diào)后LLM與微調(diào)前LLM的輸出概率分布的差異來(lái)構(gòu)建知識(shí)向量，得到更貼切的輸出詞“catalyze”，進(jìn)而增強(qiáng)LLM的輸出質(zhì)量，使其更符合下游任務(wù)偏好，改善幻覺。

圖3. TaD原理圖

知識(shí)向量

為了直觀理解LLM在微調(diào)階段學(xué)習(xí)到的特定領(lǐng)域知識(shí)，我們引入知識(shí)向量的概念，具體如圖4所示。微調(diào)前LLM的輸出條件概率分布為pθ，微調(diào)后LLM的輸出條件概率分布為 p?。知識(shí)向量反應(yīng)了微調(diào)前后LLM輸出詞的條件概率分布變化，也代表著LLM的能力從公共知識(shí)到下游特定領(lǐng)域知識(shí)的適應(yīng)?；赥aD技術(shù)構(gòu)建的知識(shí)向量可強(qiáng)化LLM微調(diào)過(guò)程中習(xí)得的領(lǐng)域特定知識(shí)，進(jìn)一步改善LLM幻覺。

圖4. 知識(shí)向量

特別地，當(dāng)微調(diào)數(shù)據(jù)較少時(shí)，LLM的輸出條件概率分布遠(yuǎn)遠(yuǎn)達(dá)不到最終訓(xùn)練目標(biāo)。在此情形下，TaD技術(shù)增強(qiáng)后的知識(shí)向量可以加強(qiáng)知識(shí)對(duì)下游任務(wù)的適應(yīng)，在訓(xùn)練數(shù)據(jù)稀缺場(chǎng)景下帶來(lái)更顯著的效果提升。

實(shí)驗(yàn)結(jié)果

1）針對(duì)不同的LLM，采用LoRA、AdapterP等方式、在不同的任務(wù)上進(jìn)行微調(diào)，實(shí)驗(yàn)結(jié)果如下表1和表2所示。注意到，TaD技術(shù)均取得了明顯的正向效果提升。

表1. Multiple Choices和CBQA任務(wù)結(jié)果

表2. 更具挑戰(zhàn)性的推理任務(wù)結(jié)果

2）相比較其他對(duì)比解碼技術(shù)，TaD技術(shù)在絕大部分場(chǎng)景下效果占優(yōu)，具體如表3所示。需要特別強(qiáng)調(diào)的一點(diǎn)是，其他技術(shù)可能會(huì)導(dǎo)致LLM效果下降，TaD未表現(xiàn)上述風(fēng)險(xiǎn)。

表3. 不同對(duì)比解碼技術(shù)結(jié)果

3）針對(duì)不同比例的訓(xùn)練樣本進(jìn)行實(shí)驗(yàn)，發(fā)現(xiàn)一個(gè)非常有趣的結(jié)果：訓(xùn)練樣本越少，TaD技術(shù)帶來(lái)的收益越大，具體如表4所示。因此，即使在有限的訓(xùn)練數(shù)據(jù)下，TaD技術(shù)也可以將LLM引導(dǎo)到正確的方向。由此可見，TaD技術(shù)能夠在一定程度上突破訓(xùn)練數(shù)據(jù)有限情形下LLM的效果限制。

表4. 不同數(shù)據(jù)比例下的結(jié)果

可見，TaD可以即插即用，適用于不同LLM、不同微調(diào)方法、不同下游任務(wù)，突破了訓(xùn)練數(shù)據(jù)有限的瓶頸，是一項(xiàng)實(shí)用且易用的改善LLM自身幻覺的技術(shù)。

4. 落地案例

自從以ChatGPT為代表的LLM誕生之后，針對(duì)其應(yīng)用的探索一直如火如荼，然而其幻覺已然成為限制落地的最大缺陷。綜上分析，目前檢索增強(qiáng)生成（RAG）+低幻覺的LLM是緩解LLM幻覺的最佳組合療法。在京東通用知識(shí)問(wèn)答系統(tǒng)的構(gòu)建中，我們通過(guò)TaD技術(shù)實(shí)現(xiàn)低幻覺的LLM，系統(tǒng)層面基于RAG注入自有事實(shí)性知識(shí)，具體方案如圖5所示，最大程度緩解了LLM的生成幻覺 。

圖5. TaD+RAG的知識(shí)問(wèn)答系統(tǒng)

目前知識(shí)問(wèn)答系統(tǒng)已經(jīng)接入京東6000+業(yè)務(wù)場(chǎng)景，為用戶提供準(zhǔn)確、高效、便捷的知識(shí)性問(wèn)答，大大節(jié)省了運(yùn)營(yíng)、運(yùn)維等人力開銷。

5. 思考與展望

如果LLM依然按照語(yǔ)言模型的模式發(fā)展，那么其幻覺就無(wú)法徹底消除。目前業(yè)內(nèi)還沒有一種超脫語(yǔ)言模型范疇，且可以高效完成自然語(yǔ)言相關(guān)的任務(wù)新的模型結(jié)構(gòu)。因此，緩解LLM的生成幻覺，仍然是未來(lái)一段時(shí)期的探索路徑。以下是我們?cè)谙到y(tǒng)、知識(shí)、LLM三個(gè)層面的一些簡(jiǎn)單的思考，希望能夠拋磚引玉。

系統(tǒng)層面——RAG+Agent+More的復(fù)雜系統(tǒng)

RAG技術(shù)確實(shí)在一些常見的自然語(yǔ)言處理任務(wù)中發(fā)揮出色的作用，尤其是針對(duì)簡(jiǎn)單問(wèn)題和小型文檔集。但是遇到一些復(fù)雜的問(wèn)題和大型文檔集時(shí)，RAG技術(shù)就顯得力不從心。近期有一些研究認(rèn)為RAG+Agent才是未來(lái)的趨勢(shì)[14]，Agent能夠輔助理解并規(guī)劃復(fù)雜的任務(wù)。我們認(rèn)為可能未來(lái)的系統(tǒng)可能不僅僅局限于Agent和RAG，可能還要需要多種多樣的內(nèi)外工具調(diào)用、長(zhǎng)短期記憶模塊、自我學(xué)習(xí)模塊......

知識(shí)層面——與LLM深度融合的注入方式

任何一個(gè)深度模型都會(huì)存在知識(shí)邊界的問(wèn)題，LLM也不例外。RAG通過(guò)檢索的方式召回外部知識(shí)，以Prompt的形式送入LLM進(jìn)行最終的理解和生成，一定程度上緩解LLM知識(shí)邊界問(wèn)題。但是這種知識(shí)注入的方式和LLM生成的過(guò)程是相對(duì)割裂的。即便已經(jīng)召回了正確的知識(shí)，LLM也可能因?yàn)楸旧碇R(shí)邊界問(wèn)題生成錯(cuò)誤的回答。因此探索如何實(shí)現(xiàn)外部知識(shí)和LLM推理的深度融合，或許是未來(lái)的一個(gè)重要的課題。

LLM層面——低幻覺LLM

LLM本身的幻覺是問(wèn)題的根本和瓶頸，我們認(rèn)為隨著LLM更廣泛的應(yīng)用，類似TaD可緩解LLM本身幻覺的探索一定會(huì)成為業(yè)內(nèi)的更大的研究熱點(diǎn)。

6. 結(jié)語(yǔ)

緩解LLM幻覺一定是個(gè)復(fù)雜的系統(tǒng)問(wèn)題，我們可以綜合不同的技術(shù)方案、從多個(gè)層級(jí)協(xié)同去降低LLM的幻覺。雖然現(xiàn)有方案無(wú)法保證從根本上解決幻覺，但隨著不斷探索，我們堅(jiān)信業(yè)內(nèi)終將找到限制LLM幻覺的更有效的方案，也期待屆時(shí)LLM相關(guān)應(yīng)用的再次爆發(fā)式增長(zhǎng)。

京東零售一直走在AI技術(shù)探索的前沿，隨著公司在AI領(lǐng)域的不斷投入和持續(xù)深耕，我們相信京東必將產(chǎn)出更多先進(jìn)實(shí)用的技術(shù)成果，為行業(yè)乃至整個(gè)社會(huì)帶來(lái)深遠(yuǎn)持久的影響。

【參考文獻(xiàn)】

[1] Hallucination is Inevitable: An Innate Limitation of Large Language Models

[2] A Survey on Hallucination in Large Language Models: Principles, Taxonomy, Challenges, and Open Questions

[3] Unveiling the Causes of LLM Hallucination and Overcoming LLM Hallucination

[4] Editing Large Language Models: Problems, Methods, and Opportunities

[5] ACL 2023 Tutorial: Retrieval-based Language Models and Applications

[6] Theoretical Limitations of Self-Attention in Neural Sequence Models

[7] Sequence level training with recurrent neural networks.

[8] Discovering language model behaviors with model-written evaluations

[9] Dola: Decoding by contrasting layers improves factuality in large language models

[10] Bert rediscovers the classical nlp pipeline

[11] Retrieval-Augmented Generation for Large Language Models: A Survey

[12] TaD: A Plug-and-Play Task-Aware Decoding Method toBetter Adapt LLM on Downstream Tasks

[13] Inference-time intervention: Eliciting truthful answers from a language model

[14] Beyond RAG: Building Advanced Context-Augmented LLM Applications

審核編輯 黃宇