论文:[ACL2024] Spiral of Silence: How is Large Language Model Killing Information Retrieval?—A Case Study on Open Domain Question Answering
地址:https://arxiv.org/pdf/2404.10496
研究背景
-
研究问题:这篇文章研究了大型语言模型(LLMs)对检索增强生成(RAG)系统的影响,特别是LLM文本在信息检索和生成中的短期和长期效应。具体来说,研究了LLM生成文本是否会逐渐取代人类生成的内容,导致数字信息生态系统中的“沉默螺旋”效应。
-
研究难点:该问题的研究难点包括:LLM生成文本的快速传播和索引对检索和生成过程的影响;如何评估LLM生成文本对RAG系统的短期和长期影响;以及如何防止LLM生成内容的错误传播和误导信息的扩散。
-
相关工作:相关研究包括RAG系统的分析、AIGC的影响以及“沉默螺旋”理论的应用。RAG系统的研究表明,检索在增强语言模型效能方面起到了重要作用。AIGC的研究则集中在AI生成内容对社会和技术的影响,特别是对错误信息和偏见的研究。
研究方法
这篇论文提出了一个迭代管道来研究LLM生成文本对RAG系统的短期和长期影响。具体来说,
-
RAG系统建模:RAG系统可以形式化为一个函数 , 其中 是查询集合, 是文档集合, 是LLM的知识库, 是系统生成的文本集合。RAG系统分为检索阶段和生成阶段, 分别通过检索函数 和生成函数 实现。
-
模拟过程:模拟过程从纯人类生成文本数据集开始, 逐步引入LLM生成文本, 观察其对RAG系统的影响。具体步骤包括:
-
基线建立:使用初始数据集 建立基准RAG管道的性能。
-
零样本文本引入:将LLM生成的零样本文本加入数据集 , 生成新的数据集 。
-
检索和重排:对每个查询 , 通过检索函数 获取文档子集 , 并进行重排。
-
生成阶段:使用LLM生成答案文本 。
-
后处理阶段:去除可能暴露LLM身份的文本片段。
-
索引更新:将生成的文本 加入数据集 , 更新索引。
-
迭代操作: 重复上述步骤, 直到达到所需的迭代次数 。
实验设计
-
数据集和指标:实验使用了常用的开放域问答(ODQA)数据集,包括NQ、WebQ、TriviaQA和PopQA。评估检索阶段的指标包括Acc@5和Acc@20,评估生成阶段使用Exact Match(EM)指标。
-
检索和重排方法:实验采用了多种检索方法,包括稀疏模型BM25、对比学习基于的密集检索器Contriever、高级BGEBase检索器和LLMEmbedder。重排方法包括T5基础的MonoT5-3B、UPR-3B和BGEreranker。
-
生成模型:实验结合了多种流行的LLMs生成的文本,包括GPT-3.5-Turbo、LLaMA2-13B-Chat、Qwen-14B-Chat、Baichuan2-13B-Chat和ChatGLM3-6B。
结果与分析
- 短期影响:
-
LLM生成文本的引入对RAG系统的检索和生成性能产生了立即影响。检索准确性普遍提高,但QA性能表现不一。
-
具体数据表明,使用BM25在TriviaQA数据集上的Acc@5提高了31.2%,Acc@20提高了19.1%。
-
LLM生成文本在大多数情况下提高了检索准确性,但也可能对QA性能产生负面影响。
- 长期影响:
-
随着迭代次数的增加,检索有效性普遍下降,而QA性能保持稳定。
-
例如,在NQ数据集上,从第一次迭代到第十次迭代,Acc@5平均下降了21.4%。
-
QA性能没有随检索准确性的下降而下降,EM值在小范围内波动,但总体保持稳定。
- “沉默螺旋”现象:
-
检索模型倾向于优先排序LLM生成文本,导致人类生成文本在搜索结果中的地位逐渐下降。
-
经过十次迭代后,人类生成文本在所有数据集中的比例降至10%以下。
-
随着时间的推移,观点同质化趋势加剧,检索结果的多样性和准确性均有所下降。
总体结论
这篇论文通过模拟实验揭示了LLM生成文本对RAG系统的“沉默螺旋”效应。研究表明,尽管LLM生成文本在短期内提高了检索准确性,但长期来看可能导致人类生成内容的边缘化和信息的同质化。论文呼吁学术界关注这一问题,确保数字信息环境的多样性和真实性。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。