冗長不等於準確：揭秘大型語言模型的冗長補償行為

Kernekoncepter

大型語言模型經常表現出「冗長補償」行為，即產生過於冗長的回應，試圖掩蓋其不確定性，但這會損害效能並造成混淆。

Resumé

本研究論文分析大型語言模型 (LLM) 中普遍存在的「冗長補償」(VC) 現象。作者將 VC 定義為在被要求簡潔回答時，產生可以壓縮而不損失資訊的回應的行為。
研究人員建立了一個包含五個知識和推理型問答任務資料集的基準，並使用 14 個新開發的 LLM 進行實驗。結果顯示，所有模型和資料集都普遍存在 VC 現象，例如 GPT-4 的 VC 頻率為 50.40%。
研究發現，冗長回應的效能顯著低於簡潔回應，例如在 Qasper 資料集中差異高達 27.61%。此外，冗長回應表現出更高的不確定性，顯示冗長性與模型不確定性之間存在密切關聯。
為了減輕 VC 現象，研究人員提出了一種簡單有效的級聯演算法，將冗長的回應替換為其他模型產生的回應。實驗結果顯示，該方法有效降低了 Mistral 模型在 Qasper 資料集上的 VC 頻率，從 63.81% 降至 16.16%。

所有測試的 LLM 都表現出顯著的冗長性。
冗長回應的效能明顯低於簡潔回應。
模型能力的提升並不能完全解決 VC 問題。
VC 現象與模型的不確定性密切相關。
級聯模型選擇演算法可以有效減輕 VC 現象。

Vigtigste indsigter udtrukket fra

Verbosity $\neq$ Veracity: Demystify Verbosity Compensation Behavior of Large Language Models

by Yusen Zhang,... kl. arxiv.org 11-13-2024

https://arxiv.org/pdf/2411.07858.pdf

Dybere Forespørgsler

如何在不損害模型創造力和資訊豐富性的情況下，更有效地引導 LLM 生成簡潔的回應？

在不損害模型創造力和資訊豐富性的情況下引導 LLM 生成簡潔回應，可以參考以下幾種方法：

明確指示簡潔性: 在 prompt 中明確指示模型需要簡潔的答案，例如使用「用最簡潔的語言回答」、「盡可能用一句話概括」等指令。
設定回應長度限制: 可以設定字數、句子數或段落數等限制，迫使模型在有限空間內組織語言。
調整解碼策略: 可以使用 Beam Search 等解碼策略，並調整相關參數，例如降低溫度參數 (temperature) 可以使模型生成更確定、簡潔的回應。
微調模型: 可以使用包含簡潔回應的數據集對模型進行微調，使其學習生成更符合人類偏好的簡潔答案。
結合獎勵機制: 在訓練過程中，可以設計獎勵機制，例如對生成簡潔且正確的回應給予更高分數，鼓勵模型生成簡潔答案。
利用摘要技術: 可以先讓模型生成詳細的答案，然後再利用摘要技術提取關鍵信息，生成簡潔的回應。

需要注意的是，在追求簡潔性的同時，也要避免過度限制模型的創造力和資訊豐富性。 應當根據具體任務和需求，在簡潔性和完整性之間找到平衡點。

是否存在一些任務或領域，冗長的 LLM 回應實際上是有益的？

是的，在某些任務或領域，冗長的 LLM 回應反而更有益：

需要詳細解釋的任務: 例如在教育、法律、醫療等領域，需要模型提供詳細的解釋和說明，才能確保用戶理解。
創意寫作: 冗長可以是優勢，更豐富的語言可以創造更生動的畫面感，更能體現文風和情感。
需要建立情感連結: 例如在客服對話、心理諮詢等場景，適當的冗長可以讓用戶感受到被關注和理解，建立更好的情感連結。
需要提供多角度信息: 冗長的回應可以提供更全面的信息，幫助用戶做出更明智的決策。

總之，判斷冗長是否有益，需要根據具體任務和場景來決定。

如何利用人類反饋來訓練 LLM 更好地理解和回應簡潔性要求？

人類反饋在訓練 LLM 理解和回應簡潔性要求方面至關重要，以下是一些方法：

評分和排序: 可以讓人類評估者對模型生成的多个不同长度的回應進行評分或排序，例如從簡潔性和信息完整性等维度进行打分，并将这些数据用于训练模型。
比較式學習: 可以向模型提供同一問題的簡潔和冗長版本回應，並訓練模型識別和學習兩者的差異，使其更倾向于生成簡潔的答案。
獎勵模型: 可以訓練一個獎勵模型，根據人類的偏好對模型生成的回應進行評分，并将得分作为奖励信号，引导模型生成更符合人类偏好的簡潔答案。
主動學習: 可以讓模型主動生成多個候選答案，並由人類評估者選擇最佳答案，并将选择结果反馈给模型，帮助模型更快地学习人类的偏好。

利用人類反饋訓練 LLM 是一個持續迭代的過程，需要不斷收集和分析人類評估數據，才能使模型更好地理解和回應簡潔性要求，生成更符合人類需求的文本。