RbFT：针对RAG中检索缺陷的鲁棒性微调

今天给大家分享一篇最新的RAG论文：

论文题目：Enhancing Retrieval-Augmented Generation: A Study of Best Practices
论文链接：https://arxiv.org/pdf/2501.18365
论文代码：https://github.com/StibiumT16/Robust-Fine-tuning

研究动机

这篇论文旨在提高大型语言模型（LLMs）在检索增强型生成（Retrieval-Augmented Generation, RAG）系统中对检索缺陷的鲁棒性。具体来说，论文关注以下几个关键问题：

1. 检索缺陷的影响

RAG系统通过整合来自知识库的外部知识来增强LLMs，但其有效性受限于检索器和知识库的可靠性。现实世界中的检索器和知识库可能存在缺陷，导致检索到的文档包含不准确、不相关或误导性的信息。这会影响LLMs生成准确响应的能力，从而降低RAG系统的性能和可靠性。

2. 提高LLMs的鲁棒性

为了应对检索缺陷，论文提出了一种名为**Robust Fine-Tuning (RbFT)**的方法。该方法通过两个针对性的微调任务来增强LLMs对检索缺陷的抵抗力：

• 缺陷检测（Defects Detection）：识别检索结果中的缺陷，例如不准确或不相关的信息。
• 效用提取（Utility Extraction）：从检索结果中提取有用的信息，即使存在缺陷。

这两个任务共同提升了LLMs在面对有缺陷检索结果时生成准确响应的能力。

3. 保持高效率和兼容性

在提高鲁棒性的同时，RbFT还保持了高推理效率，并且能够与其他鲁棒性技术兼容。

相关研究

1. RAG框架和扩展：

• Parametric RAG [43]：通过将检索文档离线参数化，直接将检索文档注入LLM参数中，以实现知识注入而不扩展输入上下文。

• GraphRAG [12, 16, 32]：利用预构建的知识图谱检索与给定查询相关的图元素，这种方法在依赖结构化和关系信息的任务中表现出改进。

• Dynamic RAG [20, 41, 42]：在生成过程中动态触发检索模块，以处理LLM在生成过程中的不确定性。

2. RAG系统的鲁棒性：

• Adversarial Addition and Modification [10]：展示了自动化事实核查系统在面对合成对抗性证据时的脆弱性。

• Misinformation and Corruption [30, 31]：探索了虚假信息（无论是手工制作还是由LLM生成）对开放域问答（ODQA）系统的威胁。

• PoisonedRAG [61], GARAG [6] 和 Phantom [3]：通过在知识库中注入恶意文本，操纵LLM生成特定错误或有害的响应。

3. 针对RAG系统鲁棒性的策略：

• Wellner et al. [52]：通过查询增强和基于答案冗余的新型置信度方法来提高鲁棒性。

• RobustRAG [53]：采用“隔离然后聚合”策略，独立生成每个检索文档的答案，然后聚合这些答案以产生最终输出。

• InstructRAG [51]：通过生成自合成的解释性理由来显式地对检索内容进行去噪，增强RAG系统的鲁棒性。

• CRAG [54] 和 AstuteRAG [48]：通过从不同来源精炼和整合知识来提高知识利用和增强生成答案的鲁棒性。

这些相关工作主要关注于通过改进检索质量、优化检索流程或重组知识表示来提高RAG系统的鲁棒性。与这些工作不同，本文提出的RbFT方法专注于增强LLM的固有防御能力，通过减少对外部检索的依赖来根本上提高RAG系统的鲁棒性。

核心内容

论文通过提出Robust Fine-Tuning（RbFT）方法来解决检索增强型生成（RAG）系统对检索缺陷的脆弱性问题。RbFT方法包含两个主要的微调任务，旨在增强大型语言模型（LLMs）对检索缺陷的鲁棒性：

1. 缺陷检测（Defects Detection）：

• 此任务旨在训练LLM识别检索到的文档是否有助于回答用户的查询。

• 如果文档无用，LLM还需要将其分类为三种缺陷类型之一：噪声文档、不相关文档或反事实文档。

• 通过将原始检索文档替换为有缺陷的文档，并以一定的概率进行训练，增强LLM对输入的批判性评估能力。

2. 效用提取（Utility Extraction）：

• 此任务旨在训练LLM从有缺陷的检索结果中提取尽可能多的有用信息。

• LLM可以直接利用提取的相关信息，或者利用相关上下文激活其内部的参数知识以生成正确答案。

• 同时，效用提取训练还使LLM能够直接且高效地处理低质量或受污染的上下文，而无需事先清理。

通过联合训练这两个任务，RbFT使LLM在复杂输入环境中提高对干扰的抵抗力，从而增强RAG系统的整体鲁棒性。具体来说，RbFT通过以下方式解决问题：

• 增强LLM的自我检测和提取能力：使LLM能够在现实世界的场景中保持高效和准确的输出，即使面对不完美或恶意的检索结果。

• 减少对外部检索的依赖：通过直接在LLM上进行训练，以提高其处理有缺陷检索输入的能力，从而根本上增强RAG系统的鲁棒性。

• 提高系统效率：RbFT只对LLM进行微调，保持了与原始RAG相当的推理速度，同时提供了更好的性能和鲁棒性。

论文通过广泛的实验评估表明，RbFT在各种检索缺陷条件下的性能均显著优于现有的最先进方法，证明了其在提高RAG系统鲁棒性方面的有效性。

论文实验

论文中进行了一系列实验来评估Robust Fine-Tuning (RbFT)方法的有效性，具体实验包括：

数据集和评估指标

• 数据集：实验在三个广泛使用的问答（QA）数据集上进行：

  • Natural Questions (NQ)
  • HotpotQA (HQA)
  • TriviaQA (TQA)

  这些数据集涵盖了事实性问答和多跳问答任务。

• 评估指标：使用标准的QA评估指标：

  • 精确匹配（Exact Match, EM）
  • 令牌级别的F1分数（F1）

基线比较

RbFT与以下几种方法进行比较：

• No RAG
• Vanilla RAG
• 四种针对RAG系统的最先进的鲁棒性方法：
  • RobustRAG
  • CRAG
  • InstructRAG
  • AstuteRAG
    

数据生成

• 通过不同的方法模拟三种类型的缺陷文档：

  • 噪声文档
  • 不相关文档
  • 反事实文档

• 使用不同的方法生成噪声和不相关文档，而反事实文档则采用两步生成策略。
  

实现细节

• 使用LLaMA-Factory工具包对两个LLMs进行微调：

  • Llama-3.2-3B-Instruct
  • Qwen2.5-3B-Instruct

• 微调进行了2个epoch，学习率为1e-5，每个设备的批次大小为16。

• 在评估阶段，使用不同的𝜏值（0.2, 0.4, 0.6, 0.8, 1.0）来模拟不同程度的检索缺陷，并特别关注：

  • 𝜏 = 0.4（Normal设置）
  • 𝜏 = 1.0（Hard设置）

主要结果

• 展示了在不同检索缺陷条件下所有方法的性能，包括在以下设置下的平均结果：

  • Clean（𝜏 = 0）
  • Normal（𝜏 = 0.4）
  • Hard（𝜏 = 1.0）

• 评估了RbFT在平衡有效性和鲁棒性方面的表现，并与其他方法进行了比较。
  

消融研究

• 对RbFT中的两个微调任务进行了消融实验，以探索它们各自的角色和相互补充的效果：
  • Defects Detection（缺陷检测）
  • Utility Extraction（效用提取）

案例研究

• 通过分析LLMs在不同检索缺陷下对输入文档的注意力分布，进一步分析了RbFT如何增强LLM的防御能力。

效率分析

• 评估了不同方法在推理期间的时间效率，报告了每个RAG系统处理单个用户查询所需的平均时间。

论文总结

总体而言，这篇论文针对RAG系统在面对检索缺陷时的脆弱性问题，提出了一种有效的鲁棒性提升方法RbFT，并在多个数据集上验证了其有效性，为实际应用中提高RAG系统的鲁棒性提供了有价值的解决方案。