LLM论文：LLatrieval (LLatrieval: LLM-Verified Retrieval for Verifiable Generation)

地址：https://arxiv.org/abs/2311.07838

时间	2023.11.14提交到arxiv
背景	检索器检索到的文章，拿去给大模型生成，大模型是被动接受。如果检索质量不行，大模型就发挥不了它的强大能力。
解决	提出LLatrieve , 由LLM参与判断所检索出来的文章是否支持答案
创新点	LLM参与评判检索结果

这是一篇文章的思想很容易理解，用下面这一张图就可以讲清楚，而这几乎是本文的所有思想了。本文的价值在于完成了这个简单的思想，并开源了代码，为以后的研究做打基础。

Retrieval Verification

这是用来判别所给文档能否支持回答问题的组件。

有两种判别方式，分类式直接给LLM指令，让它输出是或否

打分过滤式，现让大模型打一个分数，再人为设置一个门槛，分数比门槛高就是支持否则不支持。

Progressive Selection

滑动窗口， 每次滑进来几个候选文档，由LLM决定去留。

Missing-Info Querying

给LLM指令，问它如果要回答问题，现有的参考文档中还缺什么。

整体步骤：

1. miss-info query去问是否有缺失信息（一开始肯定是有缺失，因为参考文档集一开始初始化是空的）
2. 通过上一步得到候选参考文档D，使用Progressive Selection选择能够支持的文档。
3. 使用Retrieval Verification判断是否能够支持，如果不能返回第一步；否则结束。