Advanced RAG 11：对用户输入的内容进行「分类处理」和「再优化」

编者按： 你是否曾经遇到过这些情况：你向 AI 助手提出了一个比较复杂的问题，但它给出的回答却比较浅显，甚至完全偏离了你的意图🤔？或者，你询问了一个非常简单的问题， AI 助手却给出了一大堆不必要的信息，让你感到烦恼😣？
传统的 RAG 技术虽然能有效减少 AI 回答内容中的错误，但并不能改进用户最初提交的 query 内容，因此可能会出现以下这些问题：
对于用户提交的简单 query ，系统可能会消耗过多的计算资源，浪费用户时间和增加资源消耗。
面对复杂的 query，直接使用原始的 query 进行检索往往无法整理到足够的信息，导致回答不完整或不准确。
对于含义模糊、模棱两可的 query ，仅凭原始的 query 进行信息检索更是远远不够，可能会误解用户的真实意图。
那么，我们如何才能缓解这些问题，提高 AI 系统的理解能力和回答质量呢？本文将介绍两种技术方案：query classification 和 query refinement，并通过代码实例加以阐释，同时还在本文中记录了作者对这些技术方案的理解和思考内容。

作者 | Florian June

编译 | 岳扬

处理简单的 queries 时，该 RAG 系统可能会消耗过多的计算资源。
面对复杂的 queries 时，直接使用 original query（译者注：未经任何改动的 query 内容，由用户最初提交的搜索请求。）进行检索常常无法收集到足够的信息。
对于可能存在多个答案的模糊不清的 queries，仅凭 original query 进行信息检索是远远不够的。

本文将探讨两种进阶策略：query classification 和 query refinement， 两者均通过训练小模型提升了系统的整体性能。文章最后，作者还将分享对这两个算法的理解与思考。

01 Adaptive-RAG：根据问题复杂程度分类处理（Adapt）的检索增强型 LLMs

1.1 Overall Process

Adaptive-RAG 提出了一种创新的 adaptive framework （译者注：该系统可以根据 query 的复杂程度动态选择最合适的信息检索和生成策略。）。如图 2 所示，该系统可根据 query 的复杂度，动态选择最合适的 LLMs 使用策略（包含从最简单（the simplest）到最复杂（the most complex）的多种策略）。

图 2：对比不同检索增强型 LLMs（retrieval-augmented LLM）的解答策略差异。资料来源：Adaptive-RAG[1]

图 2（A）描绘的是一种单步方法（single-step approach） ，这种方法会先检索出相关文档，然后生成答案。但这一方法对于那些需要多级逻辑推理（multi-step reasoning）的复杂 query 而言，可能精度不足。

图 2（B）是一种分多个步骤进行处理（multi-step process） 的方法，包括迭代进行文档检索（document retrieval）及生成中间答案（generation of intermediate responses）等步骤。虽然这种方法效果比较好，但由于需多次调用大语言模型（LLMs）和检索器（retrievers），处理简单 queries 时效率不太高。

图 2（C）是一种 adaptive （译者注：可根据具体情况选择具体的策略。）的方法，通过精心设计的分类器（classifiers），我们能够更精准地判断、选择最佳检索策略（是选择迭代检索（iterative）、一次性检索（single），还是不使用检索方法（no retrieval methods））。

为了帮助大家更直观地理解 Adaptive-RAG 的工作流程，本文会结合具体代码来加以说明。目前，该技术存在四个不同版本的代码实现，它们分别是官方版本（official version）[2]、Langchain 版本[3]、LlamaIndex 版本[4]以及 Cohere 版本[5]。本文将以 LlamaIndex 版本作为示例介绍该技术。**

想要了解更多详细信息，可以查看这份文档[6]。考虑到代码量比较大，在本文将着重描述其中的核心代码片段。

图 3：Different tools of Adaptive-RAG. Image by author, inspired by LlamaIndex version[4].

代码的运行方式会根据 query 的复杂程度而产生变化，并相应地调用不同的工具：

面对复杂的 queries：需要多个工具协同工作。这些工具会从多份文档中提取信息，具体示例可见于图 3 的右上方。
针对简单的 queries：仅需单个工具从单个文档中获取所需上下文，如图 3 左上方所示。
处理直接明了的 queries：直接调用 LLMs 给出答案，这一过程如图 3 底部所示。

如图 2（C）所示，我们可以通过分类器（classifier）来挑选合适的工具。但与官方版本不同，此处使用的分类器并未针对该应用场景进行过针对性地训练，而是直接应用现成的 LLMs ，这一做法在图 4 中有明确描述。

图 4：Tools selection of Adaptive-RAG. Image by author, inspired by LlamaIndex version[4].

1.2 构建分类器（Classifier）

虽然 LlamaIndex 版本的代码实现并没有分类器的构建这一环节，但深入了解分类器的构建过程，对于我们的后续开发工作有着至关重要的作用。

1.3 构建数据集（Dataset）

在该技术的实现过程中面临一个重大挑战，我们缺乏带有 query-complexity pairs（译者注：query 与其相应的复杂度（complexity）的配对数据。）的训练数据集。那么，我们该如何应对这一问题呢？Adaptive-RAG 采用了两种策略，以自动化的方式创建所需的训练数据集（training dataset）。

根据 Adaptive-RAG 提供的数据集[7]，我们可以看到，其对分类器训练集的数据标注工作，是依托于那些已经公开并带有标签🏷的问答数据集完成的。

存在两种处理策略：

对于用户上传的 query ，若使用最简易的、非基于检索的方法能够得出正确答案，那么对应的 query 就会被打上 ‘A’ 的等级标签。同样的逻辑，通过单步方法（single-step approach）能够得到正确答案的 query 会标记为 ‘B’ 等级，而通过分多个步骤进行处理（multi-step process）的方法正确解答的 query 则会被标记为 ‘C’ 等级。不过有一点需要在此强调，较为简单的模型优先级更高。也就是说，当单步法（single-step）和多步法（multi-step）均能给出正确答案，但非基于检索的方法无法做到时，就会给该 query 打上 ‘B’ 的等级标签，如图 5 所示。

图 5：Adaptive-RAG 数据集的样本示例，截图出自原文作者

倘若上述三种方法均未能生成正确答案，则说明有些问题仍未被标注分类。这种情况下，我们会直接根据公开数据集进行分类。具体而言，单步数据集（single-hop dataset）中的 query 会被标注为 ‘B’ 等级，而多步数据集（multi-hop dataset）中的 query 则会被标注为 ‘C’ 等级。

1.4 Training and Inference

训练方法采用交叉熵损失函数（cross-entropy loss），基于这些自动收集的 query-complexity pairs （译者注：query 与其相应的复杂度（complexity）的配对数据。）来训练分类器。

然后，在推理过程中，我们将 query 输入至分类器，即可判定 query 的复杂度等级，该等级标签可为 'A'、'B' 或 'C' 中的任意一种：o = Classifier(q)。

1.5 选择分类器模型的 Size（Selection of Classifier Size）

图 6：不同规模（size）分类模型的实验结果。来源：Adaptive-RAG[1]从图 6 可以看出，无论分类器模型的 size 如何，其性能表现并无明显差异。 即便是小型模型也能维持相同水平的性能，有利于提高资源利用效率。

接下来，我们将介绍一种 query 优化技术：RQ-RAG。

02 RQ-RAG: 一种 RAG 系统中的 Queries 优化技术方案

针对上述挑战，RQ-RAG 提出了三项优化方法，如图 7 所示。

图 7：RQ-RAG 使用的模型可根据需求进行信息检索，必要时能对 query 进行重写（rewrite）、分解（decompose）和歧义消除（disambiguate）等操作。来源：RQ-RAG[8]。

对于日常问候（daily greetings）等这类简单 query，加入额外的上下文反而可能降低大模型的回复质量。对于这种情况，大语言模型应当直接做出响应，而非添加不必要的上下文信息，以避免造成大模型的回答质量下降。换句话说，如图 7 左上方所示，模型应具备按需应答（respond on demand）的能力。
面对复杂的 query ，RQ-RAG 会将其细分为若干个更易于解答的 subquery。逐一检索 subquery 的相关信息，从而形成对原始复杂 query 的完整响应，如图 7 右上方所示。
遇到含义模糊、可能有多重解释的 query 时，仅使用原始的 query 文本进行检索是远远不够的。大语言模型必须掌握 query 文本的具体细节、理解用户的真实意图并制定出针对性的检索方案。

这种方法确保了检索到的信息既全面又精准，从而更加有效地回答问题，如图 7 底部所示。

RQ-RAG 通过端到端（end-to-end）的方式 training （译者注：Llama2 是一个预训练模型，此处的 training 应当是指微调。）一个 Llama2 7B 模型。使得该模型能够动态地通过重写（rewriting）、分解（decomposing）和消除 query 中的歧义来增强 query 的检索效果。

由于 RQ-RAG[9] 的代码目前正处于重构阶段[10]，某些功能尚未完全实现，因此本文暂无法进行演示。

2.1 构建数据集

考虑到 RQ-RAG 系统的端到端（end-to-end）特性，关注数据集的构建流程至关重要。

图 8：数据集的构建流程。来源：RQ-RAG[8]

数据集的构建[11]主要包括以下几个步骤：

1. 首先，搜集一个涵盖多种使用场景的语料库（如图 9 所示），包括但不限于多轮对话（multi-turn dialogues）、需分解的 query 语句及需消解歧义的 query 语句。依据该语料库，构建一个任务池（task pool）。

图 9：数据集结构。来源：RQ-RAG[8]

2. 第二步，任务池中的任务被划分为三大类型：多轮对话（multi-turn dialogue）、分解 query 语句（decomposition）和消除 query 中的歧义（disambiguation）。例如，多轮对话数据集中的每一个样本都会被归入为多轮对话类型（multi-turn dialogue category）。

3. 第三步，首先使用 ChatGPT** 对各类 query 进行优化。接着，使用这些优化后的 query 语句向外部数据源检索信息。一般情况下，DuckDuckGo 是主要的信息检索来源，而这个检索过程被视为一个不透明的“黑盒”（black box）。

4. 第四步，指示 ChatGPT 根据优化后的 query 及相应的上下文，生成修正后的模型响应。通过重复执行这一流程，我们得以积累了总计约 40,000（40k）个实例。

图 10、11 及 12 呈现了与 ChatGPT 交互时所使用的提示词模板。其中，蓝色文字部分代表了应根据具体情况输入的具体内容。

图 10：构建数据集时采用的多轮对话提示词模板。来源：RQ-RAG[8]

图 11：构建数据集时采用的 query 分解提示词模板。来源：RQ-RAG[8]

图 12：构建数据集时运用的 query 消歧提示词模板。来源：RQ-RAG[8]

当上述步骤全部完成后，我们将得到图 13 右侧所示的训练样本。

图 13：Training sample。来源：RQ-RAG[8]

每个训练样本实质上都是一个带有特定 tokens（special tokens）的操作序列（operation sequence），其中：

‘Xorigin’ 和 ‘Yorigin’ 表示原始数据集中的一组输入与输出的对应关系（input-output pair）。
‘Type’ 是指优化操作（optimization action）：可能是重写 query（rewrite）、分解 query（decompose），或是消除歧义（eliminate ambiguity）。
‘i’ 表示迭代轮数。
‘SPECIALtype’ 表示优化类型（type of optimization）。
‘Qi, type’ 指代在第 i 次迭代中，依据特定 tokens（special tokens）进行优化后的 query 文本。
‘[Di1, Di2, . . . , Dik]’ 表示第 i 次迭代中检索出的前 k 个文档。
‘Ynew’ 是在最后一次迭代中产生的新答案。

2.2 Training

在得到训练数据集后，我们便能以常规的自回归方式（auto-regressive）[12]来训练大语言模型（LLM）。具体的训练目标函数（Training objective）如图 14 所示。

图 14：RQ-RAG 模型的训练目标函数（Training objective）。来源：RQ-RAG[8]

说白了，训练的核心在于微调模型参数，确保在每一个步骤 i 中，面对原始的输入 x 、优化后的 query qi 及检索出的文档 di 时，模型 M 能够对模型响应 y 给出最大化的概率预测（highest probability）。

2.3 Answer Selection

每次迭代时，该模型都会针对特定需求生成多种用于检索的 query 语句，比如对 query 进行重写、分解或消除其歧义。这些 query 反过来又能获得不同的上下文，有助于模型更全面、更灵活地处理复杂任务（leading to the diversification of expansion paths）。

图 15：面对不同情况（paths），我们制定了三种不同的策略 —— 基于困惑度（PPL）、基于置信度（confidence）和基于集成学习（Ensemble）的选择方法。来源：RQ-RAG[8]

正如图 15 所示，RQ-RAG 研发了一套树形解码策略（tree decoding strategy），并使用了三种选择机制[13]：基于困惑度（PPL）的选择方法、基于置信度（Confidence）的选择方法以及基于集成学习（Ensemble）的选择方法。

在基于困惑度（PPL）的选择方法中，模型会选择所有输出中困惑度（PPL）最低的答案。基于置信度（Confidence）的选择方法则是选择所有置信度最高的结果。而基于集成学习的选择方法，则倾向于选取累积置信度分数（confidence score）最高的最终结果。

03 Insights and Thoughts

3.1 这些技术与 Self-RAG 和 CRAG 进行对比

不同于 Adaptive-RAG 和 RQ-RAG 在检索前对原始 query 进行优化的做法，Self-RAG[14] 和 CRAG[15] 的关注重点在于判断何时执行检索（retrieval）操作以及如何优化检索操作之后的信息处理效率。特别值得一提的是，CRAG 通过重写用于网络检索的 query 语句，提升了检索结果的信息质量。

RQ-RAG 和 Self-RAG 均通过训练小型语言模型的方式来替代原有的大模型（LLMs）。相比之下，Adaptive-RAG 和 CRAG 保留了原有模型，仅是新增了对 query 进行分类或评估的两个功能层。

后起之秀 Adaptive-RAG 和 RQ-RAG 都声称自己的性能优于 Self-RAG，在它们的论文中都有对应的实验报告。

从生成流程（generation process）的角度考量，Self-RAG、CRAG 及 Adaptive-RAG 因未采用复杂的树形解码策略（tree decoding），显得更为简洁明快。

3.2 技术实践过程中发现的一些问题（About Engineering Implementation）

当 query 转化为多轮对话的情况时，利用大语言模型处理冗长的提示词数据可能会造成响应延时。根据我目前的理解，采用并行处理技术（parallelization）或许能有效解决这一问题。

此外，无论是 Adaptive-RAG 还是 RQ-RAG 技术，它们都对 query 进行了分类。但这些分类方式是否真正达到了最优状态？它们是否能完美适用于特定的生产场景？有没有可能采用其他分类策略能取得更好的效果？需要通过一系列对比实验（comparative experiments）来验证这些观点。