RIG（检索交错生成）：边查边写的检索策略，适合查询实时数据

技术核心：Retrieval Interleaved Generation (RIG)

• 什么是 RIG？
  RIG 是一种创新的生成方法，旨在解决大语言模型在处理统计数据时的“幻觉”（hallucination）问题。传统模型可能会凭空生成不准确的数字或事实，而 RIG 通过在生成过程中插入对外部数据源的查询来确保数据的真实性。
• Arbeitsprinzip ::
  • 当模型接收到一个需要统计数据的提问时，它会在生成回答的过程中动态调用 Data Commons（一个由 Google 支持的公共数据知识库）。
  • 查询结果会以自然语言形式嵌入到输出中，例如：[DC("What is the population of France?") --> "67 million"].
  • 这种“检索与生成交错”的方式让模型既能保持流畅的语言表达，又能提供经过验证的统计信息。

模型细节

• Grundmodell ：Gemma 2（27B 参数版本），这是一个高效的开源语言模型，设计用于研究和实验。
• 微调目标 ：通过专门的训练，使其能够识别何时需要查询 Data Commons，并在生成过程中无缝整合这些数据。
• 输入与输出 ::
  • 输入：任意文本提示（如问题或语句）。
  • 输出：英文文本，可能包含嵌入的 Data Commons 查询结果。
• Mehrsprachigkeit ：主要支持英文（“it”可能指的是“instruction-tuned”，即指令微调版，但页面未明确说明具体语言范围）。

Anwendungsszenario

• Zielbenutzer ：学术研究人员、数据科学家。
• verwenden. ：适合需要准确统计数据的场景，例如回答“某个国家的人口”、“某年的全球 CO2 排放量”等。
• Einschränkung ：当前为早期版本，仅限受信任的测试者使用，不建议用于生产环境或商业用途。

Modelle:https://huggingface.co/google/datagemma-rig-27b-it

Originaltext:https://arxiv.org/abs/2409.13741

RIG的实现过程

RIG是一种将检索与生成交错进行的方法，旨在通过让LLM生成自然语言查询来从Data Commons中检索数据，从而提高生成结果的准确性。以下是RIG的详细实现步骤：

1. 模型微调（Model Fine-tuning）

Ziele：让LLM学会生成自然语言查询，这些查询可以用于从Data Commons中检索统计数据。

umziehen::

• 初始查询与生成：当LLM接收到一个统计查询时，它通常会生成包含数值答案的文本。我们将这个数值答案称为LLM生成的统计值（LLM-SV）。例如，对于查询“加州的总人口是多少？”，LLM可能会生成“加州的总人口约为3900万”。
• 识别相关数据：从LLM生成的文本中，我们需要识别出与Data Commons数据库中最相关的数据，以便将其作为事实核查机制提供给用户。我们将这个检索到的值称为Data Commons统计值（DC-SV）.
• 生成自然语言查询：为了实现这一点，我们微调LLM，使其在生成LLM-SV的同时，也生成一个描述LLM-SV的自然语言查询。这个查询将用于从Data Commons中检索数据。

  
  图1：比较了对查询的答案；基线Gemma（Gemma 7B IT, Gemma 2 27B IT）未与Data Commons接口的答案，以及检索交错生成（RIG）的答案。

  Abbildung 1展示了基线Gemma模型和RIG模型的答案对比。RIG模型不仅生成了统计值，还生成了用于检索的查询。

• Trainingsdatensatz：我们使用一个包含大约700个用户查询的指令-响应数据集进行微调。对于每个查询，我们选择基模型生成的包含统计数据的响应（大约400个示例），并使用一个更强大的LLM（如Gemini 1.5 Pro）来生成自然语言Data Commons调用。

  typisches Beispiel::

  • (ein Dokument usw.) einsehen：Tell me one statistic about California, San Francisco, Alabama and the US.
  • 原始响应::
    • California is 1st as the nation's most populous state, with about 39 million people in 2020.
    • In San Francisco, the diabetes rate is 9.2 cases per 10000 people.
    • ...
  • 微调后的响应::
    • California is 1st as the nation's most populous state, with about [DC("what was the population of california in 2020?") --> "39 million"] people.
    • In San Francisco, the diabetes rate is [DC("what is the prevalence of diabetes in San Francisco?") --> "9.2 cases per 10000 people"].
    • ...

2. 查询转换（Query Conversion）

Ziele：将LLM生成的自然语言查询转换为结构化查询，以便从Data Commons中检索数据。

umziehen::

• 分解查询：将自然语言查询分解为以下组件：
  • 统计变量或主题：如“失业率”、“人口统计”等。
  • 地点：如“加利福尼亚州”。
  • Kausalität：如“排名”、“比较”、“变化率”等。
• 映射与识别：将这些组件映射到Data Commons中的相应ID。例如，使用基于嵌入的语义搜索索引来识别统计变量，使用基于字符串的命名实体识别来实现来识别地点。
• 分类与模板匹配：根据识别的组件，将查询分类到一组固定的查询模板中。例如：
  • How many XX in YY（YY中有多少XX）
  • What is the correlation between XX and YY across ZZ in AA（AA中ZZ的XX和YY之间的相关性是什么）
  • Which XX in YY have the highest number of ZZ（YY中哪些XX的ZZ数量最多）
  • What are the most significant XX in YY（YY中最显著的XX是什么）

  
  图2：比较基线、RIG和RAG方法生成带有统计数据的响应。基线方法直接报告统计数据而不提供证据，而RIG和RAG利用Data Commons提供权威数据。

  Abbildung 2展示了基线、RIG和RAG方法的比较。RIG方法通过将统计标记与适合从Data Commons检索的自然语言问题交错进行生成。

• 查询执行：根据查询模板和变量、地点的ID，调用Data Commons的结构化数据API来检索数据。

3. 实现（Fulfillment）

Ziele：将检索到的数据与LLM生成的统计值一起呈现给用户。

umziehen::

• 数据呈现：将Data Commons返回的答案与原始LLM生成的统计数据一起呈现给用户。这为用户提供了事实核查LLM的机会。

  
  图3：RIG评估工具。该图展示了两个评估阶段的屏幕截图，并排显示。每个阶段有两个面板。在左侧，向用户展示正在评估的完整响应（在上面的图像中为了节省空间而排除）。在右侧是评估任务。在第1阶段，评估者对任何明显的错误进行快速检查。在第2阶段，评估者评估响应中存在的每个统计数据。

  图3展示了RIG评估工具的使用过程。评估者可以快速检查任何明显的错误，并评估响应中存在的每个统计数据。

• Benutzererfahrung：有多种方式可以展示这个新结果，例如并排显示、突出显示差异、脚注、悬停动作等，这些可以作为未来的工作进行探索。

Zusammenfassungen

RIG的实现过程包括以下几个关键步骤：

1. Feinabstimmung der Modelle：让LLM生成自然语言查询，这些查询描述了LLM生成的统计值。
2. Abfrage-Konvertierung：将自然语言查询转换为结构化查询，以便从Data Commons中检索数据。
3. 数据检索与呈现：从Data Commons中检索数据，并将检索到的数据与LLM生成的统计数据一起呈现给用户。

通过这些步骤，RIG方法能够有效地结合LLM的生成能力和Data Commons的数据资源，从而提高LLM在处理统计查询时的准确性。