猫眼影戏
 |
|
猫眼影戏
姚彤
手机审查
猫眼影戏记者 程维丹 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：国产精品无码久久久久
??01月09日,土耳其抓获36名“伊斯兰国”相关嫌疑人,
公司将建设科技项目的申报、咨询、立项、下达、进度跟踪、评审、后评估的常态机制，即项目可以随时申报;申报完成后连忙组织专家咨询;咨询通过的分批下达;下达的项目必需每季报完成情形、务期必成;项目完成后举行评审和后评估。进一步完善科技项目软、硬件的招标制，以后生长为科技项目的招标制、相助单位的招标制。希望各人要有做好科技、信息事情的责任感和紧迫感。我们还将建设类似效果宣布形式的科技项目宣布方法，以利于科技效果的推广使用，避免重复上报项目。淘淘版权所有! ⒌要高度重视网络与信息清静事情。随着信息系统应用的一直深入，网络与信息清静日益主要，公司已把网络清静运行率纳入公司的综合审核指标系统，因此我们必需重视网络与信息的清静事情。在下一步公司清静项目统一实验中，各单位要起劲做好配合，整体完成网络与信息清静建设事情。
,人人澡人人爽人人夜夜。??01月09日,天津：勇立潮头乘势起 奋楫笃行谱新篇 , 确实，近年，大凉山都是支教研学热门地。一直涌入的研学团，被一辆辆大巴车送往县城。过了一周，又被一批批送出大凉山。据多家公益组织视察，簇拥而至的支教自愿者俨然成了大凉山另类“特产”。大凉山支教也衍生出从宣发引客到高价支教售卖的工业链，公益俨然成了一门“生意”。,91av在线观看,7788亚洲精品无码专区在线,毛片视频免费在线观看。
??时势2：视频图片小说
??01月09日,法国尼科石油公司：中国航空润滑油市场潜力巨大,
??01月09日,陕西铁路端午小长假发送旅客257.21万人次 创历史同期新高,
第一，党委办公室事情具有极强的政治性和权威性。 党委办公室的职责，就是把党委的意图通过组织协调落实下去。党委办公室凭证党委的意图安排的事情，就是党的事情。党委办公室事情的效果，直接关系到党的执政能力建设的效果。若是党委办公室组织不力、协调不顺、落实不敷、指挥不灵，损害的是党的事情。我们要站在讲政治的高度，以强烈的政治责任感和历史使命感，充分熟悉党委办公室事情的主要性和权威性，确保政令流通、执行有力。
,极品尤物丰满暴露尤物视频,求在线毛片网址,萌琪琪16分钟。??时势3：青春草成年人在线免费观看视频
??01月09日,【图解】前10月全国社会物流总额287.8万亿元 向好态势更趋明显,
虚空中噼噼啪啪，火花四溅，那里电光汹涌，看起来惊心动魄，一道粗大的玄色闪电冲起，劈向石昊。
,国产网友自拍,久久久99精品免费观看女人久久,Pornhub观看入口。??01月09日,超饱和打击！一辆车操控90枚巡飞弹,
很快，他来到了距离石村一里远的地方，与那祭灵站在一座山峰上，盯着石村。
,jizzjizz大全,成人 涩涩小片视频日本,国产精品视频一区二区啪视频。??时势4：精品资源在线
??01月09日,孙杨复出夺冠并寄语年轻运动员：希望他们为中国男子游泳贡献力量,
??01月09日,中新教育丨第六届中华经典诵写讲大赛获奖名单公布,
一道苦闷的响声传来，小不点一脚踢起了那口千斤重的铜鼎，令它凌空飞起，撞向紫山昆与雷明远，由于这两人趁他交手时已经弯弓搭箭，冲向三只幼鸟。
,亚洲色图激情诱惑,曰本少妇爆乳无打码专区,国处黄色网站。责编：赵竹青
审核：吴哥
责编：樊少皇
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
