大模型 | RAGChecker为你的RAG系统提供全方位诊断

由于RAG系统的模块化特性、对长文本响应的评估需求以及现有评估指标的可靠性不足，对RAG系统进行全面评估存在挑战。

亚马逊AWS AI开源了RAGChecker，一个基于声明级别蕴含性检查的细粒度评估框架，涉及从响应和真实答案中提取声明并与其他文本对照。

RAGCHECKER中提出的指标的说明。上面的维恩图展示了模型响应与真实答案之间的比较，显示了可能的正确（O）、错误（X）和缺失的声明（V）。检索到的块根据它们包含的声明类型被分类为两类。下面，定义了整体、检索器和生成器的指标，说明了如何评估RAG系统的每个组件的性能。

RAGChecker使开发者和研究人员能够精确深入地全面评估、诊断和增强他们的RAG系统：

• 全面评估：RAGChecker提供整体指标，用于评估整个RAG流程。

• 诊断指标：用于分析检索组件的诊断检索器指标。用于评估生成组件的诊断生成器指标。这些指标为针对性改进提供了有价值的见解。

• 细粒度评估：利用声明级别的蕴含操作进行细粒度评估。

• 基准数据集：一个包含4000个问题、涵盖10个领域的全面的RAG基准数据集（即将推出）。

• 元评估：一个用于评估RAGChecker结果与人类判断相关性的人工标注偏好数据集。

通过在10个领域的公共数据集上对8个最先进的RAG系统进行综合实验，RAGCHECKER显示出与人类评估者有更强的相关性，并提供了关于RAG系统组件行为和设计中固有权衡的深刻见解。

RAG基准统计信息。此基准测试是从涵盖10个领域的公共数据集中重新调整用途构建的，包含4,162个问题。对于财务、生活方式、娱乐、科技、科学和小说到领域的数据，简短的答案已使用GPT-4扩展为长篇答案。

与人类评估的正确性、完整性和整体评估的相关性结果。展示了每个基线框架（TruLens、RAGAS、ARES、CRUD-RAG）相关指标。

RAGCHECKER的指标可以帮助研究人员和实践者开发更有效的RAG系统，并通过调整RAG系统的设置（如检索器的数量、块大小、块重叠比例和生成提示）来提供改进建议。

不同RAG系统在10个数据集上的平均评估结果。使用精确度（Prec.）、召回率（Rec.）和F1分数来量化RAG系统的整体性能。检索器组件基于声明召回率（CR）和上下文精确度（CP）进行评估，而生成器组件则通过上下文利用度（CU）、相关噪声敏感性（NS(I)）、不相关噪声敏感性（NS(II)）、幻觉（Hallu.）、自我知识（SK）和忠实度（Faith.）进行诊断。此外，还提供了每个RAG系统的平均响应声明数量。

附录

RAGCHECKER和RAGAS答案相似性预测分数分布的比较。图中的每个点代表元评估数据集中的一个实例，其中x轴是相应方面的人类偏好标签，y轴是RAGCHECKER和RAGAS答案相似性的预测分数。预测分数的分布由彩色区域表示，虚线是平均线。

更多上下文增强了忠实度诊断示例分析

Top-k选择和片段大小都平衡了呈现给生成器的噪声量和有用信息量，但方式不同。相应的结果在下面两张图中展示。

• 增加k会增加可能不太相关的更多上下文，而增加片段大小则提供了更多相关事实的周围上下文。因此，随着k的增大，上下文精确度会降低，但随着片段大小的增大而提高。尽管如此，它们都会导致检索中更好的声明召回率。

• 生成器在提供更多上下文时往往更加忠实，尽管这一趋势对于Llama3来说不太明显，因为它已经表现出很高的忠实度。由于噪声的增加，上下文利用度通常随着更多上下文而恶化，导致更高的相关噪声敏感性。

• 端到端的RAG性能在更多上下文的情况下略好，主要是由于召回率的提高。建议适度增加这两个参数以实现更忠实的生成，同时要注意在高值时会出现饱和，因为有用信息的数量是有限的。在上下文长度有限的情况下，更倾向于选择较大的片段大小和较小的k，特别是对于较容易的数据集（金融、写作）。这在比较片段大小为150且k=20与片段大小为300且k=10时尤为明显。

Top-k选择的诊断

片段大小的诊断

https://arxiv.org/pdf/2408.08067
RAGCHECKER: A Fine-grained Framework for Diagnosing Retrieval-Augmented Generation
https://github.com/amazon-science/RAGChecker

---

最后分享

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型面试题

面试，不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】

如有侵权，请联系删除。