概述
Self-RAG 是一个框架，其中语言模型决定何时检索，然后使用特殊的反射标记批评检索到的段落及其自己的输出。这很重要，因为它使检索增强生成具有自适应性和自我检查性，而不是盲目地为每个查询获取文档。
Self-RAG 和反射检索是语言 AI 堆栈的一部分，用于大规模读取、生成、分类和转换文本和语音。
深入探讨
标准 RAG 为每个输入检索固定数量的段落，即使不需要任何段落，并且从不验证答案是否实际上受支持。 Self-RAG 由 Asai 及其同事于 2023 年推出，可训练单个模型按需完成三件事。首先，它发出一个“检索”令牌来决定是否需要外部知识。其次，检索后，它会发出“IsRelevant”评论标记来判断每个段落是否有帮助。第三，它生成“IsSupported”和“IsUseful”标记，评估其自己的陈述是否基于证据以及响应有多好。这些反射令牌让系统仅在有保证时才进行检索，过滤不相关的段落，并优先选择模型本身评级为良好支持的输出，从而减少幻觉。
技术洞察
Self-RAG 通过监督学习对标有反射标记的数据进行训练，这些数据通常是从 GPT-4 等更强大的模型中提取出来的。在推理时，模型将普通文本标记与这些特殊控制标记交织在一起。然后，分段级波束搜索可以使用批判标记的概率对候选延续进行评分，让开发人员在运行时调整行为 - 例如，更重地加权“IsSupported”以最大化事实基础与流畅性。
掌握 Self-RAG 和反思检索
Self-RAG 是一个框架，其中语言模型决定何时检索，然后使用特殊的反射标记批评检索到的段落及其自己的输出。这很重要，因为它使检索增强生成具有自适应性和自我检查性，而不是盲目地为每个查询获取文档。 Self-RAG 和反射检索是语言 AI 堆栈的一部分，用于大规模读取、生成、分类和转换文本和语音。为了建立深入的理解，请将 Self-RAG 和反射检索视为一种操作模型，而不是单一功能：定义期望的结果，澄清假设，并将系统可以可靠地执行的操作与仍需要专家判断的操作分开。
在实践中，强大的团队使用 Self-RAG 和反思检索将提示、检索和审查循环设计为一个集成的通信系统。他们记录明确的成功标准，根据实际数据和工作流程进行测试，并根据观察到的失败模式而不是一次性基准测试胜利进行迭代。这就是理论理解转变为跨产品、政策和运营的持久能力的地方。
语言工作流程可以在不牺牲一致性的情况下更快地移动。与此同时，幻觉事实可以悄悄地进入报告、支持流程或研究成果。最具弹性的方法是将实验速度与治理规则结合起来：运行试点、捕获证据、发布决策日志，并随着模型行为、用户期望和监管要求的发展不断更新保障措施。
战略影响
语言工作流程可以在不牺牲一致性的情况下更快地移动。
语言工作流程可以在不牺牲一致性的情况下更快地移动。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
它扩展了跨语言和沟通方式的访问。
它扩展了跨语言和沟通方式的访问。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
团队可以花更多时间进行判断，而自动化则可以处理重复。
团队可以花更多时间进行判断，而自动化则可以处理重复。在高质量部署中，这会转化为可衡量的操作规则、所有权边界和定期审查仪式，以便团队可以增强信心，而不是扩大模糊性。
现实世界的实施
医疗问答助理使用其“检索”决策令牌仅检索临床问题的指南并跳过问候语的检索。
研究助理在写作前检查每个段落的“IsRelevant”评论，过滤掉偏离主题的搜索结果。
企业聊天机器人更喜欢标记为“IsSupported”的答案，因此其声明以公司文件为基础，从而减少幻觉。
事实检查工具使用“IsUseful”分数对多个候选答案进行排名，并显示最有证据的答案。
实施模式
Self-RAG 和反思检索的实践
医疗问答助理使用其“检索”决策令牌仅检索临床问题的指南并跳过问候语的检索。
医疗问答助理使用其“检索”决策标记，仅检索临床问题的指南，并跳过问候语的检索。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
Self-RAG 和反思检索的实践
研究助理在写作前检查每个段落的“IsRelevant”评论，过滤掉偏离主题的搜索结果。
研究助理在撰写之前通过检查每个段落的“IsRelevant”评论来过滤离题的搜索结果。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
Self-RAG 和反思检索的实践
企业聊天机器人更喜欢标记为“IsSupported”的答案，因此其声明以公司文件为基础，从而减少幻觉。
企业聊天机器人更喜欢标记为“IsSupported”的答案，因此其声明以公司文档为基础，减少幻觉。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会得到更好的结果。
Self-RAG 和反思检索的实践
事实检查工具使用“IsUseful”分数对多个候选答案进行排名，并显示最有证据的答案。
事实检查工具使用“IsUseful”分数对多个候选答案进行排名，并显示最有证据的答案。当团队预先定义质量阈值、为边缘情况保留人工升级路径并随着时间的推移跟踪生产力增益和错误成本时，通常会获得更好的结果。
风险与防护栏
幻觉的事实可以悄悄地进入报告、支持流程或研究成果。
及时的敏感性可能会在类似的请求中产生不一致的结果。
如果访问控制薄弱，敏感文本数据可能会暴露。
实施路线图
在推出之前定义输出格式、语气和质量标准。
在推出之前定义输出格式、语气和质量标准。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
当准确性很重要时，请使用可信来源进行地面响应。
当准确性很重要时，请使用可信来源进行地面响应。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
为高风险输出保留人工审查检查点。
为高风险输出保留人工审查检查点。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。
跟踪故障模式并定期重新训练提示或工作流程。
跟踪故障模式并定期重新训练提示或工作流程。将每个步骤视为证据门：如果不满足标准，则暂停推出，缩小差距，然后再扩大使用。