研究人員從清華大學(xué)和北京理工大學(xué)開發(fā)了 DRAGIN，這是一種針對大型語言模型設(shè)計(jì)的動(dòng)態(tài)檢索增強(qiáng)生成框架。

　　該框架旨在通過在文本生成過程中實(shí)時(shí)確定何時(shí)以及如何檢索外部信息，從而提高語言模型的性能。為了解決當(dāng)前方法在確定何時(shí)進(jìn)行檢索和檢索內(nèi)容方面過于靜態(tài)的問題，DRAGIN 引入了 RIND 和 QFS 兩個(gè)關(guān)鍵組件。其中，RIND 主要用于確定檢索時(shí)機(jī)，考慮語言模型的不確定性和令牌重要性;而 QFS 則用于構(gòu)建查詢，利用上下文的自注意力機(jī)制優(yōu)先選擇與當(dāng)前上下文相關(guān)的令牌。通過這種動(dòng)態(tài)檢索的方式，DRAGIN 在四個(gè)知識密集型數(shù)據(jù)集上表現(xiàn)出色，而且無需額外的訓(xùn)練或提示工程。

　　傳統(tǒng)的單輪檢索增強(qiáng)方法通過將初始輸入作為查詢，將外部知識引入到語言模型中。以往的研究已經(jīng)深入探討了這種方法，例如 REPLUG 使用語言模型生成檢索模型的訓(xùn)練數(shù)據(jù)，UniWeb 則自我評估是否需要檢索。然而，對于需要大量外部知識的復(fù)雜任務(wù)，多輪檢索變得至關(guān)重要。DRAGIN 則采用了新穎的多輪檢索方法，通過 FLARE 在遇到不確定令牌時(shí)觸發(fā)檢索，從而提高檢索相關(guān)性，同時(shí)考慮了語言模型的實(shí)時(shí)信息需求。

　　DRAGIN 是一個(gè)旨在解決語言模型動(dòng)態(tài)檢索增強(qiáng)方法的框架。通過 RIND 和 QFS 優(yōu)化檢索激活時(shí)機(jī)和查詢精度，使得在知識密集型任務(wù)上取得更好的性能。盡管它依賴于基于 Transformer 的語言模型的自注意力機(jī)制，但 DRAGIN 展現(xiàn)出了顯著的有效性。未來的工作旨在克服與自注意力可訪問性相關(guān)的限制，并對查詢構(gòu)建技術(shù)的影響進(jìn)行評估。