论文阅读_RAG融合现有知识树_T-RAG

英文名称: T-RAG: LESSONS FROM THE LLM TRENCHES
中文名称: T-RAG：来自LLM战壕的经验教训
链接: https://arxiv.org/abs/2402.07483
作者: Masoomali Fatehkia, Ji Kim Lucas, Sanjay Chawla
机构: 卡塔尔计算研究所, 哈马德·本·哈利法大学
日期: 2024-02-12
引用次数: 0

1 摘要

目标：开发一个可以安全、高效地回答私有企业文档问题的大型语言模型（LLM）应用程序，主要考虑数据安全性、有限的计算资源以及需要健壮的应用程序来正确响应查询。
方法：应用程序结合了检索增强生成（RAG）和微调的开源 LLM，将其称之为 Tree-RAG（T-RAG）。T-RAG 使用树结构来表示组织内的实体层次结构，用于生成文本描述，以增强对组织层次结构内的实体进行查询时的上下文。
结果：我们的评估显示，这种结合表现优于简单的 RAG 或微调实现。最后，根据构建实际应用的 LLM 的经验，分享了一些获得的教训。

2 读后感

这篇文章的创新点逻辑比较简单：除了基本的 RAG 外，定位了问题中的实体，在事先定义好的实体树中寻找其父实体，并将其加入到问题的上下文中。可以视为对问题中实体抽象的方法。

我个人比较喜欢有两点：

第一点是：这是一个对问题抽象化，并与现有知识融合的范例。对问题进行规范化和抽象化后再提问或存储，构建更复杂的存储结构，与原有知识融合，这可能是大模型领域一个重要的问题。与此相比，之前 RAG 直接将文档打散成碎片的方式确实过于简单粗暴。

第二点是：论文描述了本地 RAG 的具体实现方法，一些在实践中的常见问题的总结，例如在 LLAMA-7B 模型上精调所需的硬件，以及精调对原模型能力的影响。干货很多，看完可以少走一些弯路。

3 方法

图 1：Tree-RAG（T-RAG）的工作流程。对于给定的用户查询，在向量数据库中搜索要用作上下文的相关文档块。此外，如果查询提及组织中的实体，则会从实体树中提取有关这些实体的信息并将其添加到上下文中。我们在从组织文档生成的指令数据集上对 Llama-2 7B 模型进行了微调。我们使用微调模型来生成响应。

3.1 指令数据集准备

先使用 LangChain 库将原始 PDF 文件解析为文本格式，表格和结构图则由人工专家手动转化为文本。

然后，根据文档中的各个节标题，将每一节分解成一个独立的块。通过在几轮迭代中为每个块生成一组（问题、答案）对。

在第一次迭代中，对于每个块，提示 Llama-2 模型为提供的区块生成问题和答案。提示模型生成各种问题类型，例如对或错、摘要、简答等。记录提供问题、答案和相关块的模型响应。
在第二次迭代中，对于每个块，提示模型一个对话示例，并要求在用户和 AI 助手之间生成一个对话。
在第三次迭代中，模型被要求执行相同的任务（为给定的块生成问题和答案）; 在此迭代中，为模型提供了由人类专家根据文档创建的问题示例。

汇总各种迭代过程中产生的问题和答案，以此创建一个数据集。对生成的问题和答案进行了人工检查，并剔除了重复的问题。最后，得到了一个包含 1,614 个问答对的数据集。我们将这个数据集随机分成了 90% 的训练集和 10% 的验证集。

3.2 LLM 微调

使用 QLoRA（Hugging Face 'peft' 库）对基本的 LLM 模型，在 Q&A 指令数据集上进行训练。微调过程在 4 个内存为 24G 的 Quadro RTX 6000 GPU 的设备上进行。

3.3 实体树

实体树包含了组织内实体及其在层次结构中位置的信息。好像树中，每个节点都代表一个实体，父节点表示它所在的组。例如，在图 2 所示的难民署组织结构中，难民署创新处是隶属于副高级专员的一个实体。

在检索过程中，实体树被用来增强向量数据库检索到的上下文。解析器模块会在用户查询中寻找与组织内实体名称匹配的关键字。如果找到匹配项，就会从树中提取有关每个匹配实体的信息，并将其转换为文本语句，这些语句提供了关于实体及其在组织层次结构中的位置的信息。然后，这些信息会与从向量数据库中检索到的文档块结合起来，形成上下文。这样，当用户询问有关实体的问题时，模型就能访问到有关实体及其在组织层次结构中位置的信息。

3.4 配置

在本地部署应用程序时，使用 Llama-2 模型，并采用 Chroma DBvector 数据库来存储文档块以进行上下文检索。

表 -2 展示了几种实验配置，其中，第二行的 Finetuned 在提问时并未使用上下文。而第三行的 T-RAG 则使用了来自两个来源的上下文信息：从原始文档生成的指令数据集中的问题和答案对，以及树上下文，该上下文为用户查询中提到的实体提供从实体树中提取的信息。

4 实验结果

4.1 效果评估

采用自动和人工方式来评估语言模型（LLMs）。在自动评估中，使用 GPT-4 语言模型作为评估工具。研究表明，语言模型的评估结果与人类对各种任务的评估结果是一致的。

表 -3 中 N 代表每组问题的数量，将回答手动评分为“正确”（C），“正确但冗长”（CV）。T 是回答正确的总数（T = C + CV）。可以看出，尽管 T-RAG 的效果较好，但它有可能生成冗长的答案（测试数据不多）。

4.2 微调模型后过拟合

模型微调可能导致模型忘记其在训练前所学习的内容。为了评估过拟合情况，使用了大规模多任务语言理解（MMLU）基准测试来对比微调前后的效果。结果显示，其影响较小。

5 经验教训总结

虽然构建一个初始的 RAG 应用程序很容易，但要使其健壮并非易事，需要领域知识专家的帮助，并需要做出许多设计选择以优化系统的不同组件。
微调的模型可能对问题的措辞敏感。
通过将信息纳入模型的参数，微调模型可以节省 LLM 的有限上下文窗口的空间，从而减少所需的上下文量。
在系统开发的各个阶段，让最终用户参与测试可以生成反馈，帮助引导开发过程中的决策。
树提供了一个适合表示层次信息（如组织中的实体）的结构，可以用来增强上下文。

6 相关论文

先抽象再提问的另一种方法：论文阅读_提示工程_通过抽象激发大模型的推理能力