RAG检索增强生成全流程实践

置顶 已于 2024-03-21 10:50:47 修改
阅读量1.2k 收藏 24
点赞数 16
文章标签： chatgpt 语言模型
于 2024-01-17 15:36:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43701894/article/details/135651979
版权

检索增强生成（Retrieval Augmented Generation, RAG）

检索增强生成是指提供外部知识给大预言模型，对于用户提问，通过信息检索技术加载与问题相关的信息，LLM利用这些信息回答问题。下图是检索增强生成的简单示意图。检索增强生成可以解决大模型在以下四个方面的欠缺。
在这里插入图片描述

  1. 长尾知识

    LLM的海量训练数据也无法覆盖所有知识，在有限的参数量下，LLM也无法完全记忆所有知识。实践证明，LLM对长尾知识回答的准确性相比于通用知识差不少。

  2. 数据时效性

    训练数据中不包含未来的事实，LLM的知识存在过时的情况。

  3. 私有数据

    训练数据都是公开的数据，LLM没有未学习过的私有知识，如企业内部规章制度，特定领域业务知识等。

  4. 来源和可解释性

    LLM的生成结果是不可解释的，没有来源和参考依据，使用检索增强的方式可以追溯到信息来源。

知识库构建

在这里插入图片描述

文档处理

外部文档包括txt、pdf、word、html等格式，部分格式的数据是结构化的，可以比较完整地提取出文档的标题、段落、表格中的信息，如html、word；部分格式没有或无法识别到样式信息，是非结构化的，如pdf，txt，pdf中还可以包含图片、表格等信息。

知识库的质量是检索和生成的基础，文档切分需要尽可能保证知识的完整性和关联性。对于不同格式内容的文档，要采取不同的切分策略；由于向量模型和LLM输入长度的的限制，分块大小也是需要考虑的重要因素；文档的标题索引是对段落信息的浓缩，能提高跨段落问题的检索准确度。

规章制度主要是pdf文档。pdf内容的解析一直是业界的难题。由于pdf技术规范复杂，设计理念主要关注渲染结果，忽略了文档结构信息，机器无法准确识别文档的逻辑和语义结构。本文使用了基于规则和基于智能识别模型的方式提取pdf内容信息。

基于规则提取

对于按标题、章节、条目规范组织，有特定格式的文档可以使用基于正则表达式匹配的方式进行切分。首先对提取到的文本替换、删除特殊字符，按段落进行划分，匹配每个段落的章节条信息，组织成文档树的形式，每个叶子节点是文本段落，非叶子节点是标题，遍历整棵树，可以提取到文档的内容和结构信息，按照标题层级、块大小将叶子节点的文本段落合并为父文档，同时存储子文档和父文档，二者同时用于检索，最终返回上下文语义更完整的父文档。

由于各种文档格式多变，一些文档年限比较久远，实际处理过程中还有很多细节需要调整，部分文档难以达到理想的切分效果，但实际应用中对数据也没有严格的要求，该方案简单可行。

不规则文档处理

基于规则的切分方式无法处理标题组织个性化、pdf文字提取不完全的、包含表格、图片的文档，需要机器像人一样去识别文档结构，理解表格图片信息。

基于深度学习的PP-StructureV2是一个智能文档分析系统，支持对图片/pdf形式的文档进行版面分析，可以划分文字、标题、表格、图片、公式等区域，支持通用的中英文表格检测任务，表格区域进行结构化识别，最终结果输出Excel文件，在专门的数据集上进行训练后识别准确度更高。

多模态数据

除了最常见的各种格式文档外，外部数据还可能是多模态的，比如视频、音频、图片等格式，需要专门的多模态模型识别。

检索模块

使用Elasticseach进行全文检索和向量检索，对词汇和语义进行双路召回，对召回结果进行相关度重排，取评分最高的top k个文档片段，最终返回topk个语义更完整的父文档。
在这里插入图片描述

向量检索

传统的相似语义判断是基于词汇匹配的，无法表示文本的内在特征。向量检索将文本表示为维度相同的特征向量，使用向量相似度度量的方式判断语义相关性。本文使用的向量模型来自MTEB（Massive Text Embedding Benchmark）评测榜单，并在专业数据上进行了微调，使用Elasticsearc的KNN向量检索，向量距离度量方式为点积，在检索速度和准确度方面都有不错的效果。

单一的查询实现简单高效，但受限于用户表达和模型能力，可能无法完全捕捉到用户意图返回完全的结果，可以使用LLM对用户问题生成多个相似的查询，对每组查询结果进行倒数融合排序（Reciprocal Rank Fusion）作为向量检索的结果。这种方式对LLM的基座能力有一定要求，需要生成多个有效的查询。

全文检索

基于概率的BM25检索算法是当前使用效果最好的算法之一，被广泛应用于信息检索领域。本文使用开源搜索分析引擎Elasticseach完成全文检索，其默认使用的算法就是BM25。文档切块之后，将标题、段落信息存入ES建立倒排索引，检索阶段对用户提问进行分词、去除停用词、同义词替换等处理，按BM25算法评分召回top k个段落。

分词策略、词库大小是影响检索准确度的重要因素，全文检索在一定程度上可以弥补向量检索在专业领域上的不足，因为向量模型的训练语料大多来自通用领域。

语义重排

对向量检索和全文检索的结果进一步进行相关度排序，使用重排模型对查询和答案计算相关性分数并重新排序，分数低于阈值直接过滤，重排后显著提高topk召回的准确率。

回答生成模块

对于检索出的topk个文本段落，尽可能多的在提示词中填充文本块，算力充足的情况下可以将问题和相关文本依次组合成提示词交给LLM总结、修正，最终生成准确的答案。

系统整个链路的耗时主要在此模块，LLM的推理需要大量显存和算力资源，可以考虑以量化方式或者推理加速框架部署模型。

为减少响应时间，可以根据用户对回答的满意度将命中的历史问题放入缓存，提高响应速度，减少资源占用。

结果分析

本文对基于检索增强生成的知识库问答系统进行了实践落地，对不同的检索策略、向量模型微调前后进行了对比分析。本系统在国产化和非国产化软硬件环境均进行了适配，能稳定运行。

检索策略对比

在2000多个测试问题上评估了各种检索策略的效果，在top1、top5和top10检索上，使用命中率和平均倒数排名（Mean Reciprocal Rank, MRR）两个评价指标评估检索效果。

测试问题来自LLM对每一个文档段落生成的问题——答案对，检索返回对应的原段落即为命中。由于切块效果和LLM能力限制，生成的部分问题可能并不合理，与文档段落的对应关系不一定准确，需要经过人工标注。

单一的向量检索效果一般，加入重排和全文检索后效果有明显提升，在top5准确度有80%，考虑到评测数据和计算方式，实际应用效果要优于这个值。

检索策略/topktop1top5top10
命中率平均倒数排名命中率平均倒数排名命中率平均倒数排名
向量检索0.330.330.520.400.590.50
向量检索+重排0.440.440.580.500.590.50
向量检索+全文检索+重排0.590.590.800.660.850.67
向量模型使用的是对比学习的训练方式，目标是由问题匹配段落，训练数据需要有问题、正例、负例，其中问题来自LLM生成的问题——答案对中的问题，正例即是对应的段落，负例通过检索问题并重排，依据相似度评分进行筛选生成。训练过程中为达到大的batch_size效果，需要开启梯度累加。

微调之后向量检索的准确率提升显著，提升近20%的准确率，但整体的检索效果提升在top10上只有3%。

检索策略/topktop1top5top10
命中率平均倒数排名命中率平均倒数排名命中率平均倒数排名
向量检索0.540.540.790.640.840.65
向量检索+重排0.570.570.800.660.880.67
向量检索+全文检索+重排0.600.600.810.670.880.68

国产化与非国产化环境性能对比

国产化适配

本文在国产化和非国产化软硬件环境下对系统分别进行了部署，测试验证通过，并对性能进行了对比分析。两套环境的软硬件情况如下表所示。

国产化环境非国产化环境
CPUHygon C86 7381 32-core Processor，32核128线程13th Gen Intel® Core™ i9-13900K，24核32线程
GPUDCU Z100L，32G显存RTX A6000，48G显存
OS银河麒麟V10（SP3）Ubuntu20.04，Linux version 5.15.0-79-generic
GPU ToolkitDTK23.04CUDA11.8
Pytorch曙光pytorch1.10pytorch2.1.2+cu118
vllm0.2.7（适配rocm）0.2.7+cu118

在两套环境下针对不同数据类型、不同推理加速框架，对清华的ChatGLM2-6B，阿里的Qwen-7B-Chat和Qwen-14B-Chat进行单个batch的测试，记录生成token/字符的速度如下表所示，不同的测试用例可能会有不同的结果。

环境数据类型推理加速ChatGLM2-6BQwen-7B-ChatQwen-14B-Chat
国产化float16无9.2/14.76.4/10.24.1/6.2
国产化float16fastllm24.9/40.718.4/29.012.5/20.04
国产化int8fastllm26.9/43.720.7/33.212.4/19.7
非国产化float16vllm51.9/86.543.4/67.424.2/35.1

fastllm和vllm是两套大模型推理加速框架，能够提升多种模型的推理速度，截至2024年2月20日，国产化环境适配了fastllm但没有适配vllm。

从上表可以看出，国产化环境的计算速度相比非国产化环境仍有较大差距。经int8量化，fastllm加速后模型的推理速度提升明显，Qwen-7B输出速度达到20.7token/s（33.2字符/每秒），在不考虑并发的情况下，该速度可以被用户接受。

多batch对比

有上一节单batch下的测试结果，综合考虑模型能力和推理速度，确定了使用的模型，量化参数和加速框架，国产化环境下分别是Qwen-7B-Chat，int8和fastllm,非国产化环境下分别是Qwen-7B-Chat和vllm。

本问答系统的响应耗时主要在大模型生成回答部分，检索耗时相对可忽略不计，所以对并发情况下模型服务的吞吐量、负载能力等进行了测试，国产化环境和非国产化环境结果分别如表x.x和x.x所示。

BatchLatancy/sRequest throughput/sInput token throughput/sOutput token throughput/sMean TTFT/msP99 TTFT/msMean TPOT/msP99 TPOT/ms
12.750.36381.255.102108.292108.29196.13196.13
412.650.32182.0312.883403.155379.25362.75560.57
822.230.36187.0613.417187.4510908.13634.551058.37
1654.260.29109.3019.9110710.5319530.09838.361731.22
64112.800.57111.7224.1335700.0072476.084461.344129.61
128Out of memory
BatchLatancy/sRequest throughput/sInput token throughput/sOutput token throughput/sMean TTFT/msP99 TTFT/msMean TPOT/msP99 TPOT/ms
10.511.962053.8527.463.963.9636.1436.14
42.631.52874.9972.5778.86213.6739.2951.71
82.952.721411.23109.97292.65483.5449.5372.77
166.232.57951.59188.71299.82559.3049.7289.84
648.937.171410.84335.86681.81942.69171.151977.13
12830.184.24711.37215.611430.704702.94218.552154.55

各指标含义如下表所示

指标含义
Batch并发数
Latancy完成所有请求的时延，单位：秒
Request throughput平均每秒处理的请求数
Input token throughput平均每秒处理输入的token数
Output token throughput平均每秒输出的token数
Mean TTFT(Time To First Token)从发起请求到输出第一个token的平均时延，单位：毫秒
P99 TTFT从发起请求到输出第一个token时延的99分位数，单位：毫秒
Mean TPOT(Time Per Output Token)输出每个token平均耗时，单位：毫秒
P99 TPOT输出每个token的耗时的99分位数，单位：毫秒

本次测试使用的用例比较贴合实际情况，让大模型结合较长段落回答问题，所以结果中平均每秒处理的输入token数较大。

从各项指标可以看出，国产化显卡DCUZ00L的算力还不足，软硬件适配程度不够，导致并发情况下吞吐量小，响应时间偏大。非国产化环境下使用vllm进行推理加速，并发情况下吞吐量提升明显，batch在8到16时，处理完所有请求的时间在2到3秒，是比较理想的情况。

尽管vllm支持多卡并行，但算力资源有限，本文并未对多卡并行的性能进行测试。

不足与展望

  1. 基于规则和块大小的切片方法存在丢失语义，无法处理不规则文档，开源版面分析模型难以处理复杂文档；尝试更多的切块方法，尽可能保证语义的关联性和完整性，增加对复杂图片、复杂表格的处理，在自有数据集上进行版面分析模型的训练或微调。

  2. 向量模型和大语言模型正在持续发展，需要时刻关注，选择更优的向量模型，提升检索准确度；选用基座能力更强的LLM，提高总结回答能力。

  3. 专业词库小，查询向量单一；通过多向量查询、倒数融合排序、扩充词库等方式提升检索准确度。

  4. 人工标注数据，微调向量模型和大模型。

__如风__
关注
  • 16
    点赞
  • 踩
  • 24
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
检索增强生成(RAG)管道的评估框架
11-14
agas是一个框架，可以帮助您评估检索增强生成(RAG)管道。RAG表示一类使用外部数据来扩展LLM上下文的LLM应用程序。现有的工具和框架可以帮助您构建这些管道，但评估和量化管道性能可能很困难。这就是Ragas (RAG评估)发挥作用的地方。
基于langchain的RAG实战
02-19
基于langchain的RAG实战
万字长文总结检索增强 LLM
WitsMakeMen的专栏
09-15 999
检索增强 LLM ( Retrieval Augmented LLM )，简单来说，就是给 LLM 提供外部数据库，对于用户问题 ( Query )，通过一些信息检索 ( Information Retrieval, IR ) 的技术，先从外部数据库中检索出和用户问题相关的信息，然后让 LLM 结合这些相关信息来生成结果。这种模式有时候也被称为 检索增强生成 ( Retrieval Augmented Generation, RAG )。下图是一个检索增强 LLM 的简单示意图。
一文带你了解大模型的RAG(检索增强生成) | 概念理论介绍+ 代码实操（含源码）
热门推荐
机器学习社区
12-30 1万+
RAG的全称是Retrieval-Augmented Generation，中文翻译为检索增强生成。它是一个为大模型提供外部知识源的概念，这使它们能够生成准确且符合上下文的答案，同时能够减少模型幻觉。本文介绍了 RAG 的概念及其背后的一些理论，本文通过Python、LangChain将其实现，在此过程中使用了 OpenAI的ChatGPT接口（可以自己搭建chatGLM3）、Weaviate矢量数据库（可以自己搭建Milvus ）、OpenAI 嵌入模型实现了 RAG 管道。
LLM之RAG实战（六）| 高级RAG 02：选择最佳embedding和重排序模型
wshzd的博客
12-19 2161
值得注意的是，对于这个特定的实验，我们将similarity_top_k设置为10，并用reranker选择了前5名。为了衡量我们的检索系统的有效性，我们选择被广泛接受的两个指标：Hit Rate和 Mean Reciprocal Rank (MRR)。在这篇博客文章中，我们展示了如何使用各种embedding和重排序来评估和增强检索器的性能。为了评估我们的检索器，我们计算了平均倒数排名（MRR）和命中率指标：​​​​​​​。过滤句子的函数，例如——以下是基于所提供上下文的两个问题​​​​​​​。
腾讯云ES RAG最佳实践：向量+文本混合搜索的相关性调优
cloudbigdata的博客
12-01 1130
‍‍| 导语腾讯云ES近期上线的8.8.1版本，提供了强大的云端AI增强能力，支持在统一技术栈中完成文本+向量的混合搜索，实现自然语言处理以及与大模型的集成，本文将从向量检索的优势与局限性介绍出发，说明混合搜索的原理、优势及其必要性，并通过效果演示为大家呈现腾讯云ES混合搜索的强大能力。引言我们在上一篇文章《腾讯云ES RAG最佳实践：百行代码轻松实现ES帮助文档的智能问答》中给大家介绍了如何通...
RAG检索增强技术在知识库智能检索场景下的应用实践
FrenzyTechAI的博客
12-18 4684
本文我们主要探讨了知识检索增强（Retrieval-Augmented Generation, RAG）技术的关键评估方法和行业应用，以及几种现有的技术栈选择及其优缺点。首先，关于RAG的效果评估，我们提到了两种主要的评估方式：独立评估和端到端评估。独立评估包括检索评估和生成评估，重点在于分别量化检索结果的质量和生成问题的能力。端到端评估则结合了无标签和有标签的评估指标，以及人工或GPT模型的评估方法，以获得更全面的效果评价。
什么是检索增强生成 (RAG)
一览无遗
01-08 1538
RAG，即检索增强生成，是一种将预训练的大型语言模型的功能与外部数据源相结合的技术。这种方法将 GPT-3 或 GPT-4 等 LLM 的生成能力与专用数据搜索机制的精确性相结合，从而形成一个可以提供细微响应的系统。本文更详细地探讨了检索增强生成，提供了一些实际示例和应用，以及一些资源来帮助您更多地了解 LLM。​RAG 可以使用来自外部来源的内容来生成准确的摘要，从而节省大量时间。例如，经理和高级管理人员是忙碌的人，他们没有时间筛选大量报告。
一文讲清楚检索增强生成（RAG）
脚踏实地，仰望星空
10-19 3609
检索增强生成（Retrieval Augmented Generation, RAG）
人工智能-项目实践-信息检索-从0-1系统性快速学习大模型检索增强技术RAG
02-29
从0-1系统性快速学习大模型检索增强技术RAG
超越ChatGPT和Llama2，新一代检索增强方法Self-RAG来了
11-17
超越ChatGPT和Llama2，新一代检索增强方法Self-RAG来了 大型语言模型（LLMs）具有出色的能力，但由于完全依赖其内部的参数化知识，它们经常产生包含事实错误的回答，尤其在长尾知识中。为了解决这一问题，之前的研究人员提出了检索增强生成（RAG），它通过检索相关知识来增强 LMs 的效果，尤其在需要大量知识的任务，如问答中，表现出色。但 RAG 也有其局限性，例如不加选择地进行检索和只整合固定数量的段落，可能导致生成的回应不够准确或与问题不相关。
利用开源大模型，通过RAG(检索增强查询)技术，实现基于企业内部知识图谱的，可内网运行的大模型智能客服（python）
02-06
利用开源大模型，通过RAG(检索增强查询)技术，实现基于企业内部知识图谱的，可内网运行的大模型智能客服
RAG本地离线训练自己的ChatPDF
02-05
RAG训练用PDF样例（太平洋金诺人生保险条款）
JAVA版本的检索增强生成(RAG)大模型知识库项目.zip
03-09
JAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模型知识库项目.zipJAVA版本的检索增强生成(RAG)大模
Elasticsearch：什么是检索增强生成 - RAG？
Elastic 中国社区官方博客
10-10 5684
RAG 一直在自然语言处理 (NLP) 领域掀起波澜。RAG 的核心是一个混合框架，它集成了检索模型和生成模型，生成的文本不仅上下文准确，而且信息丰富。RAG 在 NLP 中的重要性怎么强调都不为过。传统的语言模型，尤其是早期的语言模型，可以根据训练的数据生成文本，但通常缺乏在生成过程中获取额外的特定信息的能力。RAG 有效地填补了这一空白，在检索模型的广泛功能和生成模型（例如 LLMs）的文本生成过程之间架起了一座桥梁。
RAG（检索增强生成）技术
wdn blog
12-19 1644
检索增强 LLM ( Retrieval Augmented LLM )，给 LLM 提供外部数据库，对于用户问题 ( Query )，通过一些信息检索 ( Information Retrieval, IR ) 的技术，先从外部数据库中检索出和用户问题相关的信息，然后让 LLM 结合这些相关信息来生成结果
RAG应用全流程RAG应用全流程
最新发布
05-03
RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG应用全流程RAG...
RAG部署-使用TensorRT-LLM在Windows上部署检索增强生成聊天机器人RAG-优质大模型部署项目实战.zip
04-09
RAG部署_使用TensorRT-LLM在Windows上部署检索增强生成聊天机器人RAG_优质大模型部署项目实战
langchain和RAG
04-08
很抱歉，我不清楚"langchain"是指什么。但是我可以为您介绍一下RAG（Retrieval-Augmented Generation）模型。 RAG是一种由Facebook AI开发的自然语言处理模型，它结合了检索和生成的方法。RAG模型的目标是在生成文本时能够利用大规模的知识库，以提供更准确和丰富的回答。 RAG模型的基本思想是将检索和生成两个步骤结合起来。首先，通过检索阶段，RAG模型从知识库中找到与输入问题相关的信息。然后，在生成阶段，模型使用检索到的信息作为上下文，生成回答或解释。 RAG模型的优势在于它能够利用大规模的知识库，如维基百科等，来提供更准确和全面的回答。同时，RAG模型还可以通过生成阶段来填补检索到的信息中的不足之处，以生成更具创造性和灵活性的回答。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值