从RAG到记忆：大模型的非参数化持续学习
1. 动机
鉴于大规模语言模型（LLM）在持续学习中的挑战，检索增强生成（RAG）已经成为引入新信息的主要方式。然而，它对向量提取的依赖阻碍了它模仿人类长期记忆的动态和相互关联性质的能力。
最新的RAG方法利用各种结构（如知识图谱）来增强向量嵌入，以解决其中的一些差距，即语义理解和关联性。然而，他们在更基本的事实记忆任务上的表现大大低于标准RAG。
2. 贡献
本文的核心贡献主要如下：
（1）提出了一种RAG框架HippoRAG2，利用HippoRAG的开放式抽取和个性化PageRank（PPR）方法的优势，同时解决其上下文的限制。
（2）HippoRAG2通过将段落集成到PPR图搜索过程中，涉及查询更深入地选择KG三元组，以及在在线检索过程中使用LLM识别检索到的不相关三元组。
（3）HippoRAG2在RAG系统更接近人类长期记忆的有效性，在最先进的嵌入模型上实现了7%的联想记忆任务改善，同时还表现出上级事实知识和意义记忆能力。
3. 方法
模型的整体架构如下：
主要分为两个阶段，具体如下：
（1）离线索引阶段：使用LLM从段落中提取开放KG三元组，并将同义词检测应用于短语节点。这些短语和段落一起构成了开放式KG。
（2）在线检索阶段：嵌入模型对段落和三元组进行评分，以识别个性化PageRank（PPR）算法的两种类型的种子节点。识别记忆使用LLM过滤顶部三元组。然后，PPR算法对KG执行基于上下文的检索，为最终的QA任务提供最相关的段落。
从三个关键维度与其他方法进行持续学习能力的评估：
事实记忆（NaturalQuestions，PopQA），意义构建（NarrativeQA）和关联性（MuSiQue，2 Wiki，HotpotQA和LV-Eval）。HippoRAG 2超越了所有基准类别的其他方法，使其更接近真正的长期记忆系统。
4. 实验
该实验主要在多个QA benchmark下进行，统计信息如下：
（1）简单QA任务：NaturalQuestions、PopQA；
（2）多跳QA任务：MuSiQue、2Wiki、HotpotQA、LV-Eval；
（3）语篇理解任务：NarrativeQA
QA性能比较：
多步检索性能比较：
消融实验：
量化分析：
5. 总结
本文提出的方法HippoRAG2，这是一个新的框架，旨在解决现有RAG系统在近似人类长期记忆的动态和相互关联的性质方面的局限性。HippoRAG 2为LLM的持续学习和长期记忆研究开辟了新的途径，通过在事实，意义构建和联想记忆任务中实现标准RAG方法的全面改进，显示出以前的方法在全面评估中忽视或无法实现的功能。
未来的工作可以考虑利用基于图的检索方法，以进一步提高情景记忆能力的LLM在长对话。
如何学习AI大模型 ？
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓
CSDN粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈
（👆👆👆安全链接，放心点击）
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
👉1.大模型入门学习思维导图👈
要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。
对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）
👉4.大模型实战项目&项目源码👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）
为什么分享这些资料?
只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！
这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
CSDN粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈
（👆👆👆安全链接，放心点击）
北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台
更多推荐
24
0- 0
已为社区贡献7条内容
所有评论(0)