猫眼影戏
 |
|
猫眼影戏
王龙仙
手机审查
猫眼影戏记者 马丁·苏·奈登 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：欧美性爱特级黄片
??01月06日,长春50万余株郁金香盛放,
为确保稳固和生长的阵势 ，提高下层组织治理本村事务的能力和村民自治水平 ，下步 ，我们要以贯彻落实本次大会精神为动力 ，加鼎实力 ，切实提高村级民主治理水平。一要提高党支部的向导焦点作用 ，村党支部是农村下层的战斗堡垒 ，在推进村级民主治理建设中 ，村党支部的向导焦点作用不可弱化 ，对村级经济建设和社会生长中的主要问题必需召开支部聚会举行讨论决议。同时 ，要带动凭证民主治理制度划定 ，把需要由村委会讨论决议的事定心让他们去做 ，并做好指导事情。二要建设健全长效的事情治理机制。村级民主治理事情必需依赖响应的长效事情机制来包管 ，要把建设健全村务果真和民主治理制度作为提高村级民主治理水平、增进下层民主*建设的治本之策 ，坚持以执法、规则和政策为依据 ，建设完善以民主治理坚持以村党支部为焦点 ，村委会为主体 ，村民聚会和村民(社员)代表聚会为主要形式的民主决议制度 ，按期对村内重大事项举行探讨;制订完善村民村规民约 ，对各村原有的各项划定举行一次整理 ，修改与国家执法、规则和政策相抵触的内容 ，经村民代表聚会讨论之后生效;完善监视制度 ，各村都建设了民主理财监视小组 ，对村级财务收支情形举行监视、核查 ，并按期举行宣布。三要推行村务提议制度。是通过填写《村务提议表》 ，村委会对提议举行研究 ，实时回复。同时 ，对关于村级经济生长和社会事业生长的重大提议 ，村委会要提交村支部 ，举行配合探讨 ，坚决杜绝“一言堂”和“先斩后奏”征象 ，进一步亲近村级干群关系 ，增进村民自治。
,男女免费 插 视频播放。??01月06日,尽享“21℃的夏天” 2024清凉宁陕旅游季在西安启动,
众人都露出惊容 ，云天宫的老人轻叹 ，道：“真是了不起啊 ，这么小就已经最先琢磨怎样演化宝术了 ，天纵之资！”
,未满十八禁止免费影院,农村国产一级毛片美女网站,在线免费黄色视频99爱。??时势2：狼友视频免费在线看
??01月06日,十四届全国人大二次会议第三场“代表通道”集中采访活动举行,
这是一次很到位的伏杀 ，真要被击中 ，青鳞鹰坚硬如铁的鳞片大都也防不住 ，事实这亦是一头有远古兽血的异种山猫。
,超级特黄A片是免费看,憨憨倩稀有视频,一级A片特黄毛片高清在线视频。??01月06日,以色列军队袭击加沙及黎巴嫩多地 造成人员伤亡,
“柳神 ，你是说 ，我体内的至尊骨尚有再生之日吗？”小不点大眼明亮 ，挂着泪水 ，于稚嫩中带着蓬勃的生气。
,www.黄色网站视频,男生插女生J小J,欧洲老女人性爱视频。??时势3：男生的 放男生的 软
??01月06日,美国中学生故宫初探访：中国研学之旅很美好 一定会再回来,
整片山地间突然泛起雾霭 ，迷迷蒙蒙 ，迅速遮拢了这片原始林地 ，到了最后伸手不见五指 ，模模糊糊。
,亚洲天堂狠狠干,美女网站黄色视频,1024tv在线。??01月06日,八月天宇：“牛郎织女”觅相逢 英仙座流星雨“落凡尘”,
先生想说的是：火车跑得快 ，全凭车头带。若是我们每小我私家都能从我做起 ，从现在做起 ，并通过我们小手牵大手 ，发动爸爸妈妈、爷爷奶奶、邻里叔伯配合起劲 ，我们的家——奉贤肯定会越发漂亮。
,冢本垂乳おばさん熟女毛片,免费的色哟色哟网站,日曰夜夜人人操。??时势4：馃憛馃崙馃崋
??01月06日,春日里的“双向奔赴” 各地承接产业转移态势显著,
六、相助方法。主要分两部分 ，第一个就是非洲配送 ，非洲配送的主要模式就是直销。所谓直销不必我诠释 ，各人都清晰。在超市看样订货。价钱要求 ，由于我们之前所采购的百货商品大部分都是义乌采购 ，建材类的都是从广州采购。为了谢谢芜湖政府对我们安徽外经在芜湖筹建的外经广场 ，德胜广场的支持。支持我们在芜湖准备天地亿万多超市 ，并使用芜湖口岸先天的条件像非洲配货 ，我们将采购点搬至芜湖。我们对价钱的要求 ，要比同期义乌市场价钱要低 ，至于产品的质量要求 ，必需切合行业和国家的划定。另外出口的商品包装必需切合出口要求的包装。小杂件你必需要纸箱 ，大的易碎品你必需要木箱 ，必需要贴唛头,标签。我们可以给你们提供样品 ，运输模式 ，我们有三种模式。第一个是直配厂家 ，第二个运到指定客栈 ，第三个是运到指定口岸。
,国产黄色精品亚洲一级片AV,欧美强奸一线播放,五月丁香六月婷婷激情综合。??01月06日,为科研人员减负，向“搞材料跑关系”说不！,
小不点漂亮而可爱 ，也很善良 ，从不欺压下人的孩子 ，常跟他们一起玩 ，因此府中从上到下都很喜欢他。
,黄色国际视频网站,老师让我 她我爽了一夜作文,最近更新在线中文字幕。【上海邮轮口岸国际邮轮现四船同靠】
责编：崔欢拽
审核：向小林
责编：金雨蒙
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
