【RAG 论文】BGM：为 LLM 和 Retriever 的偏好 gap 搭建一个 Bridge

论文：Bridging the Preference Gap between Retrievers and LLMs

⭐⭐⭐

Google Research, arXiv:2401.06954

论文速读

LLM 与 Retriever 之间存在一个 preference gap：大多数 retriever 被设计为 human-friendly，但是 LLM 的偏好与人类的却不一致：

• ranking 方面：由于 LLM 的 self-attention 机制，模型可以集中任何 token 而无视其 position。但人类对于 position 还是很关注的。
• selection 方面：人类可以轻易地忽视掉与上下文无关的信息，但 LLM 却对于无关内容特别敏感。
• repetition 方面：人类往往不关心重复内容，甚至不喜欢重复内容，但是 repetition 却在对于 LLM 在衡量相关性的权重时很有帮助。

论文原文设计了一些实验来证明 preference gap 确实存在，具体可以参考原论文。

为了弥补 LLM 和 Retriever 之间的 preference gap，过去的研究工作往往是集中于对 LLM 或 Retriever 进行微调，但其实无论是 LLM 还是 Retriever 都很可能是无法微调的。

比如对于生产级的 Retriever，如 Googl