猫眼影戏
 |
|
猫眼影戏
赫晓霞
手机审查
猫眼影戏记者 任卫新 报道Q8X2R7L1T4J5M9B6W3
新智元报道
编辑：LRST
【新智元导读】动态检索增强天生（Dynamic RAG）通过自顺应判断「何时检索」来缓解大语言模子的幻觉问题，但现有要领普遍依赖模子内部信号（logits、entropy、attention等），而LLM自己的信号校准较差，即常对过失谜底「自信满满」 。克日，来自伊利诺伊大学芝加哥分校、纽约大学、与蒙纳士大学的联合团队提出QuCo-RAG，首次跳出「从模子自己内部信号来评估不确定性」的头脑定式，转而用预训练语料的客观统计来量化不确定性，在多跳QA基准上对OLMo系列模子实现5-14个EM点的显著提升，并且有用性乐成迁徙至Llama3、Qwen2.5、GPT4.1/5等预训练数据未果真的模子 。
当检索增强天生（RAG）从静态走向动态，一个焦点问题浮出水面：何时该触发检索？
现有要领的谜底是：看模子内部信号 。FLARE看句子中的token天生概率，DRAGIN看entropy和attention，ETC看entropy的一阶二阶差分，SeaKR看FFN内部状态……
但这一范式存根天性缺陷：LLM通常校准能力很差，经常对过失输出体现出高置信度 。
DRAGIN vs QuCo-RAG比照 。(a)DRAGIN依赖模子内部信号，过失地将问题中的「Il」标记为高不确定性，却对幻觉出的过失导演名显示低不确定性 。(b) QuCo-RAG通过预训练语料中的零共现检测，准确识别出幻觉 。
DRAGIN在天生过失的导演名「Mario Camerini」时显示低不确定性（Uncertainty < threshold），却对问题中的通俗token「Il」报出高不确定性（Uncertainty = 1.47 > threshold） 。
这就是所谓的「自信地乱说八道」（confident hallucination）——模子不知道自己不知道，内部信号完全失效 。
更根外地，近期理论事情（Kalai & Vempala, 2024）证实：关于有数事实，纵然是完善校准的模子也必需爆发幻觉以维持统计一致性 。
那么，有没有一种要领，能绕过这些不可靠的内部信号？
伊利诺伊大学芝加哥分校、纽约大学、与蒙纳士大学的联合团队提出QuCo-RAG，首次跳出「从模子自己内部信号来评估不确定性」的头脑定式，转而用预训练语料的客观统计来量化不确定性，在多跳QA基准上对OLMo系列模子实现5-14个EM点的显著提升，并且有用性乐成迁徙至Llama3、Qwen2.5、GPT4.1/5等预训练数据未果真的模子 。
论文链接：https://arxiv.org/abs/2512.19134
开源代码：https://github.com/ZhishanQ/QuCo-RAG
QuCo-RAG的焦点洞察是：LLM的事实知识实质上由预训练语料塑造 。
低频实体 = 长尾知识危害：若是一个实体在预训练语料中很少泛起，模子就难以可靠地影象关于它的知识 。
零共现 = 幻觉高危害：若是两个实体在整个预训练语料中从未在同时泛起，那么模子声称的它们之间的关系就缺乏任何证据支持——这险些必定是幻觉 。
更主要的是，这种因果关系是差池称的：
共现 ≠ 准确（两个实体可能以差别关系共现）
零共现 ≈ 幻觉（模子无法可靠地天生训练数据中从未见过的实体关系）
基于这一洞察，QuCo-RAG从「主观内部置信度」转向「客观语料统计」，通过Infini-gram引擎对4万亿token的OLMo-2预训练语料举行毫秒级盘问，实现精准的检索触发 。
QuCo-RAG框架总览 。两阶段检测：天生前知识评估（检查实体频率）+ 运行时声明验证（检查实体共现） 。
QuCo-RAG通过两阶段检测机制量化不确定性：
第一阶段：天生前知识评估（Pre-Generation Knowledge Assessment）在模子最先天生之前，系统首先「诊断」输入问题：
提取问题中的要害实体（如Silas Hardy、Lee Mantle）；
盘问每个实体在4万亿token预训练语料中的泛起频率；
若是平均频率低于阈值（默认1000次），触发检索；
焦点逻辑：低频实体代表「长尾知识」，模子很可能没有可靠影象 。
第二阶段：运行时声明验证（Runtime Claim Verification）
在模子天生历程中，辖档同续监控每个天生的句子：
使用轻量级0.5B模子提取知识三元组（头实体, 关系, 尾实体）；
盘问头尾实体在预训练语料中的共现次数；
若是共现次数为0，触发检索并重新天生；
焦点逻辑：零共现意味着模子正在「无中生有」——编造训练数据中从未泛起过的实体关系 。
毫秒级语料库盘问
怎样在4万亿token的语料库上实现实时盘问？
QuCo-RAG使用Infini-gram引擎——一个基于后缀数组的索引系统，支持对万亿级token语料库的毫秒级频率和共现盘问 。
轻量级三元组提取器
为了最小化开销，团队从GPT-4o-mini蒸馏了一个专用的0.5B三元组提取模子，基于Qwen2.5-0.5B-Instruct微调 。
QuCo-RAG各组件运行时间剖析 。LLM天生占主导（55-74%），Infini-gram盘问仅占18-31%，证实语料库检测引入的开销适度 。
实验效果
周全领先，迁徙能力惊人
OLMo-2全系列5-12点提升
QuCo-RAG在所有模子规模和数据集上均取得最佳性能，EM提升5-12点 。
在2WikiMultihopQA和HotpotQA两大多跳QA基准上，QuCo-RAG在OLMo-2全系列模子（7B、13B、32B）上周全逾越所有baseline：
OLMo-2-7B：+7.4 EM (2Wiki), +5.6 EM (HotpotQA)
OLMo-2-13B：+12.0 EM (2Wiki), +5.3 EM (HotpotQA)
OLMo-2-32B：+9.4 EM (2Wiki), +10.8 EM (HotpotQA)
而基于内部信号的要领（FLARE、DRAGIN、ETC、SeaKR）体现极不稳固，有时甚至不如简朴的单轮检索（SR-RAG） 。
主实验为什么选择OLMo-2？
QuCo-RAG的焦点是使用预训练语料的统计信息 。但一个要害问题是：怎样验证「语料统计」这个信号源自己是有用的？
这就需要一个「匹配语料」设置——即模子的预训练数据必需完全果真，才华准确盘算实体频率和共现统计 。
OLMo-2是现在知足这一条件的高性能代表性开源模子：
提供完整的4万亿token预训练语料
性能与Qwen2.5等主流模子相当
笼罩7B/13B/32B多个规模
这使得OLMo-2成为验证QuCo-RAG焦点假设的理想测试平台 。
跨模子迁徙：署理语料库同样有用
一个要害问题：若是模子的预训练数据不果真怎么办？
研究团队验证了一个主要假设：网络规模的预训练语料库之间保存大宗重叠 。
因此，使用OLMo-2的语料库作为「署理语料库」，同样可以有用指导其他模子 。
QuCo-RAG在Qwen2.5、Llama-3、GPT-4.1、GPT-5等模子上均实现显著提升 。
要害发明：
Qwen2.5-32B：2WikiMultihopQA上提升14.1 EM
GPT-5-chat：2WikiMultihopQA上提升8.7 EM
相比之下，GPT模子自带的Web搜索工具反而低于不检索基线（可能由于网络噪声）
效率剖析：更少检索，更高性能
效率-性能权衡剖析 。QuCo-RAG以最少的token消耗和LLM挪用次数抵达最高EM 。
QuCo-RAG实现了「精准偷袭」式的检索：
平均每个问题仅触发1.70次检索
token消耗仅87个，LLM挪用仅1.84次
而FS-RAG和DRAGIN消耗2-4倍的token，性能却大幅落伍
领域泛化：生物医学问答同样有用
在PubMedQA生物医学问答基准上，QuCo-RAG同样体现精彩：
QuCo-RAG在PubMedQA上抵达66.4%准确率，逾越Wo-RAG 11.2个百分点 。
内部信号要领在这个专业领域袒露出两种失败模式：
太过检索：FLARE平均2.79次检索，token消耗516 。显著高于它在通用领域的检索次数和token消耗 。
检索缺乏：DRAGIN和ETC触发检索的次数显著低于它在通用领域的检索次数 。Acc体现与不检索基线持平 。
QuCo-RAG则两者兼顾：平均0.93次检索，54.9个token，最高准确率 。
深度剖析：为什么实体频率剖析有用？
按实体频率分层的性能剖析 。低频区QuCo-RAG优势显着，高频区优势依然坚持 。
研究团队按实体在语料库中的泛起频率将问题分组，展现了有趣的纪律：
低频区：模子缺乏知识，但内部信号无法识别这种知识缺陷
中频区：模子处于「部分学习」状态，熵等内部信号变得相对有用
高频区：实体频率 ≠ 事实频率——纵然实体常见，它们的特定关系可能有数
这最后一点尤为主要：高频实体让模子「太过自信」，但QuCo-RAG通过共现检测捕获到模子对熟悉实体的过失关系声明 。
深远影响与未来偏向
本文将语料统计确立为模子内部不确定性信号的客观替换计划 。虽然本文聚焦于RAG系统中的检索触发，但这一范式转变在AI清静与鲁棒性领域开发了多个值得探索的研究偏向 。
赋能可信AI应用
实验证实，语料统计比内部信号提供了更可靠的不确定性怀抱 。这种可靠性不但对RAG有价值，还可扩展到更普遍的清静要害使命：
选择性回覆：当缺乏证据支持时，模子可以拒绝回覆
准确性展望：语料统计为天生的声明提供有据可依的置信度评分
从推理时干预到以数据为中心的AI
语料统计剖析能够准确识别模子的知识盲区 。
这一信号可以指导训练数据策划：与其仅在推理时通过检索来填补知识缺口，开发者可以在一连预训练或后训练阶段自动网络低频实体的数据 。类似地，语料统计还可以指导：
合成数据过滤：在纳入训练集之前，用语料统计验证LLM天生的训练样本
模子编辑：区分哪些事实需要定向注入，哪些已被模子可靠学习
范式的延伸偏向
多个研究偏向值得探索：
多语言验证：通过跨语言统计实现多语言场景的不确定性量化
时序动态：使用带时间戳的语料处置惩罚知识演变问题
逾越实体：将要领扩展到事务、关系和数值声明的验证
智能体集成：作为自我验证工具集成到智能系一切中，在执行行动前验证天生内容
理论基础
跨模子迁徙的有用性引发了一些值得思索的问题：为什么署理语料能跨模子族生效？能否形式化地建设「给定语料统计的幻觉概率」的信息论界线？这些问题与LLM中「影象vs泛化」的更普遍讨论相关联 。
参考资料：
https://arxiv.org/abs/2512.19134
秒追ASI
?点赞、转发、在看一键三连?
点亮星标，锁定新智元极速推送！
??时势1：国产女女高清免费视频在线观看
??01月01日,西太平洋海军论坛2024年工作小组会在南京开幕,
一道赤光冲出，此后一个盘旋，向这片区域斩来，马上让那冲来的数十头凶禽猛兽大乱，一直吼叫，血光接连泛起，兽群遭受重创 。
,精品在线视频99 。??01月01日,新华社权威速览 | 习近平总书记在推动金融高质量发展专题研讨班上重要讲话要点,
尚有就是我们镇村干部配合保存的吃喝成风，玩风太盛问题 。一是吃喝成风 。现在我镇干部中普遍存着，今天是镇干手下村吃，明天是村干部来镇吃，后天是各人上城吃，横竖是变着办法吃 。在吃喝问题上，我们一直主张从简，干部不可背着锅跑 。镇干部因事情下村，村里可以简朴安排一顿便餐;村干部来镇效劳，一律凭证镇机关治理制度执行 。按每人15 元的标准，凭餐卷到食堂就餐 ？芍葱兄，就有那么些人，穷大方，穷热情，破损规则，违反制度，拿整体的钱不算帐 。显着划定事情日时代，中午禁绝喝酒，他偏偏中午要喝酒;显着划定除特殊情形外，来人一律在食堂就餐，他偏偏要外出下饭店;显着划定外出就餐一律由党政办安排，他偏偏要自作主张 。一顿吃上几百元，甚至上千元，他们眼也不眨一下，一点也不感应心寒 。这里我要忠言我们党政办的同志，以后在来人招待方面，把关一定要严，程序一定要办理到位 。不管是什么人，你们都不要碍于人情，怕冒监犯，要严酷按制度办理，该怎么办就怎么办 。以后通常泛因由党政办把关不严，违反机关治理制度的，将坚决追究党政办认真人的责任 。村里泛起类似情形，坚决追究村主要认真同志的责任 。
,A片在线观看,精品激情小视频在线观看,裸体毛片 。??时势2：國模Av
??01月01日,中国最高检对江苏省政协原副主席王昊决定逮捕中国向联合国交存黄岩岛领海基线声明和海图,
四要狠抓事情落实 。怎样推动事情落实，怎样抓出事情实效，是对我们生长能力的磨练 。抓落实，要害是“抓” 。抓是责任心的体现、是执行力的要求 。要转变事情方法要领，亲自抓、负总责，既要当好指挥员，更要当好战斗员，化压力为动力、变不可为可能、变可能为现实，以越发宽阔的视野、逾越自我的勇气赢得加速生长的先机，捉住要害点，干出台甫堂 。抓落实，焦点是“落” 。就是要确保镇党委、政府的决议安排件件有着落，事事有回音，横向到边、纵向究竟，切忌喊在嘴上、说在会上，停在动上 。抓落实，最终要看“实” 。有没有抓落实，会不会抓落实，最终要看是不是见到实效 。权衡和评判的主要标准，就是要看镇党委、政府的保稳固、促生长、重民生的各项决议安排是否落到实处，党委政府是否知足，人民群众是否知足 。
,日韩免费一区二区三级片,欧美厕所偷拍,超碰免费人人操 。??01月01日,土耳其宣布：对伊叙境内库尔德工人党有关目标展开空袭,
小不点轻叱，银月再现，惊退血貂 。
,3D同人芙琳娜被❌❌到爽,黄色网站免费观看视频,9.1猎奇 。??时势3：久久91热这里精品热人
??01月01日,尺素金声丨增势明显，上半年港口货物吞吐量超90亿吨,
在此，祝愿我们的先生事情顺遂，身体康健!
,抖阴官方,腹肌男男露鸡巴的网站,亚洲区 在线 。??01月01日,外媒诬称中国开展间谍活动 中方驳斥,
在它的后方尚有无尽的凶兽，密密麻麻，都是异种，避过岩浆与大火，随着它一起冲出了苍莽山脉，杀向山水外 。
,巨乳 拔萝卜 自慰网站,免费在线观看的黄色网站,国内一线激情 。??时势4：日本亚洲中文字幕色
??01月01日,“带豹回家”：中国少年在COP29讲述生态守护梦,
独角兽遭受了重创，险些被冻裂了，若非小不点用尽全身的神曦滋养其肉身，它必定死在了河中，基础不可能活下来 。
,欧美大妞插插插,黄免费观线看,国产系列熟女丝袜喷水 。??01月01日,广西创新优质资源供给助力打造文化旅游强区,
城门大开，一群强者冲了出来，在后面兜着屁股追杀，一簇簇箭羽成四十五度角抛射向高空，此后落向凶禽猛兽间，马上血液迸溅，留下一具又一具尸骸 。
,92国产在线第一页,欧美色图亚洲综合,爽爽爽视频 。责编：孟洪
审核：鲍克斯
责编：安倍铁心
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
