【RAG 论文】RAFT：适用于 domain specific RAG 的 LLM

论文：RAFT: Adapting Language Model to Domain Specific RAG

⭐⭐⭐⭐

UC Berkeley, arXiv:2403.10131

Blog：gorilla.cs.berkeley.edu/blogs/9_raft.html

文章目录

- 一、论文速读
- 二、论文中一些讨论
- - [2.1 LLMs for Open-Book Exam](#2.1 LLMs for Open-Book Exam)
  - [2.2 RAG & SFT](#2.2 RAG & SFT)
- [三、CoT 的使用](#三、CoT 的使用)
- [四、RAFT 成功的总结](#四、RAFT 成功的总结)

一、论文速读

RAFT（Retrieval Aware Fine-Tuning）是一个经过监督微调（SFT）后的 LLM，在运行时通过检索特定领域的参考资料来回答用户的问题。

RAFT 的特点在于它的微调（SFT）过程。在 SFT 过程中，训练模型忽略任何检索到的、无助于回答特定问题的文档，从而让模型学会消除干扰。另外，RAFT 使用 chain-of-though 来进一步提高模型的推理能力。

RAFT 在 LLaMa2-7B 模型上经过 SFT 得到的，SFT 的思路如下：

在每一个训练样本中，包含一个 question Q Q Q，一个文档集合 D k D_k Dk，一个针对 question 的 chain-of-though 风格的 answer A ∗ A* A∗，另外还有两类 documents：

oracle document D ∗ D* D∗：可以推导出问题答案的 doc，也就是对回答问题有用的 doc
distractor document D i D_i Di：干扰文档，对回答问题没有用的 doc

我们期望 RAFT 能够在看到输入 Q Q Q、 D ∗ D* D∗、 D i D_i Di 后，能够生成 A ∗ A* A∗，以此为目标对其进行监督微调。

但这里有一个关键 trick：对于 P P P% 的训练样本，我们给 RAFT 输入了 Q Q Q、oracle doc 和 distractor doc，但剩下的 ( 1 − P ) (1-P) (1−P)% 的训练样本，只给 RAFT 输入 Q Q Q 和 distractor doc，不再给他输入 oracle doc，如下所示：

这种在微调时特意混合相关文档和不相关文档的做法，可以有效提高模型忽略不相关信息的能力。这种思路是特意针对目前的 LLM 具有对不相关文本太脆弱的问题而设计的。

二、论文中一些讨论

2.1 LLMs for Open-Book Exam

论文用现实世界的"让 LLM 去准备一场考试"做了一个很形象的比喻，存在三类考试：

Closed-Book Exam：即闭卷考试，在考试期间，LLM 不允许去参考任何其他文档资料，只能凭借自己的预训练期间得到的参数化知识来完成回答。
Open Book Exam：即开卷考试，考试期间，LLM 可以去参考任何互联网资料，从而获取 "new knowledge" 来完成回答。
Domain Specific Open-Book Exam：这是本文重点关注的方向。LLM 事先知道自己将要被测试的 domain，并会提前准备，考试时，可以参考该领域的所有文档资料来完成回答。

在我们的场景中，特定领域的文档资料就是企业的内部文档、最新的新闻或者企业私有的代码库等等。而所谓的"提前准备考试"，就是使用特定领域的训练数据来对 LLM 进行 SFT。

下图展示了不同的考试类型：

2.2 RAG & SFT

RAG：Retriveal Augmented Generation
SFT：Supervised Fine-Tuning

论文对两者的特点和存在的缺点进行了讨论：

RAG only：基于 RAG 的方法，允许 LLM 在测试期间去参考相关文档，但没能利用模型在训练学习期间去适应这个 domain 的场景，也没有学习如何去利用可以参考的文档，相当于"不学习直接带着课本去考试"
SFT only：像最开始发布的 ChatGPT，在测试期间只能凭借自己的参数化记忆来完成用户回答，无法参考文档，相当于"努力学习了但没带课本去考试"

所以本文所研究的核心问题就是：How to adapt pre-trained LLMs for Retrieval Augmented Generation(RAG) in specialized domains?

RAFT 模型关注的就是如何让 SFT 和 RAG 进行结合，来达到更好的效果。

三、CoT 的使用

前面第一节就介绍了 RAFT 的训练思路，这里着重介绍一下 chain-of-though 是如何用于提升 RAFT 的推理能力的。

用于对 RAFT 进行 SFT 的训练数据中，每个 question 的 answer 都是 CoT style 的，并且 answer 中还清晰地标注了引用来源。一个训练数据样本如下所示：

使用这个 CoT style 的 answer 作为训练样本对 RAFT 进行 SFT，是提高训练质量的关键因素之一。

四、RAFT 成功的总结

总结一下 RAFT 模型能够表现好的原因：

对原生的 LLM 模型，使用 domain specific 的训练数据对其进行 SFT，让 LLM 能够提前熟悉这个 domain，并学会利用检索到的文档来生成回答。
SFT 训练中，将 oracle doc 和 distractor doc 进行混合来对 LLM 做训练，提高了 RAFT 忽略不相关信息的能力。
SFT 训练样本中，answer 采用 CoT style，提高了模型的推理能力。

RAFT 是一个巧妙融合了 SFT 和 RAG 的方法，它独立于 retriever 的选型，是一个很值得参考的工作。