社区供稿 | 为知识检索而生，Ziya-Reader开源，多个长文本中文任务第一

我们几乎每天都使用搜索引擎，搜索是大模型需求最多的落地应用之一。另外，大模型本身有着幻觉问题，检索增强也是最直接的解决方案。此外，基于大模型进行知识库问答、基于大模型的智能客服也是火热的创业项目。因此，关于检索增强的大模型的研究如火如荼，为了能从多个文档或超长文档中找到答案，各种超长上下文窗口的模型已经陆续发布。

但是研究者们发现了一个问题，即使是额外扩展上下文窗口的大模型，从16k的GPT3.5到100k的Claude，面对多文档问答任务时，如果正确答案不在第一个或末尾的文档中，模型的回答准确率就会急剧下降。如下图所示[1]。这个问题极大地限制了大模型在搜索中的应用。

图1

这个现象在中文模型上同样存在。我们在权威数据集，LongBench多文档问答任务中测试了GPT3.5-turbo-16k和ChatGLM2-6B-32k[2]。结果显示，只需打乱文档的顺序，模型的回答Rouge指标就会下降多达17%。似乎，模型并非真的知道哪个答案相关，只是根据位置进行猜测。

为了解决这个问题，推进大模型在搜索中的应用，我们的Ziya-Reader应运而生。当给出问题和多个检索结果时，Ziya-Reader可以从多个候选中找到正确的答案，准确地回答问题。该模型具有8k的上下文窗口，相比其他具有更长窗口的模型，我们在多个长文本任务的评测中胜出。

Ziya-Reader-13B-v1.0开源地址

Hgggingface地址：

https://huggingface.co/IDEA-CCNL/Ziya-Reader-13B-v1.0

ModelScope地址：

https://modelscope.cn/models/Fengshenbang/Ziya-Reader-13B-v1.0/

多项长文本中文任务第一

清华大学发布的公开数据集LongBench用于衡量长上下文的情况下模型的各项能力。在其中的中文多文档问答的测试集上，Ziya-Reader的RougeL最高达到45.1%，中位数为42.8%，领先此前最强的ChatGLM2-6B-32k达7.5%，相较于GPT3.5绝对提升16.4%，见表1。

我们发现LongBench的Multi-Doc QA测试集中正确文档往往排在前面的问题，不能准确反映模型甄别相关文档的能力，对文档打乱顺序，再次测试各个模型的效果，见表2。结果发现Ziya-Reader的效果降幅不到2%，达到40.9%，非常鲁棒。而ChatGLM2-6B-32k、GPT3.5-turbo-16k等模型有显著下降，绝对降幅分别达到17.3%和5.6%。因此，Ziya-Reader面对无论是准确排序的还是相对乱序的文档，均优势显著，可用于各种检索结果问答。

表1

另外，在中文合成任务(摘要检索任务)上，Ziya-Reader以66%的得分超越ChatGLM2-6B-32k，成为开源模型第一名。该任务给定一个摘要，需要从众多段落中找出该摘要对应的出处，考验模型的语义匹配能力，显示了Ziya-Reader在这方面依然强大。

而在长文档摘要生成任务中，Ziya-Reader同样出色，在同样8k上下文窗口上的模型中第一。即使只有8k的“内存”，与16k或更长窗口相比差距不到1%。这显示了模型扎实的记忆力和注意力，并不会长而不实用。

图2.多文档问答样例

搜索Agent 超越OpenAI，开源最强

除了Ziya-Reader，我们还自建了向量检索模型，用于从知识库中召回相关文档。我们构建了金融知识库和测试数据，用于测试在整个搜索系统流水线的效果。我们使用最强的开源向量模型M3E与ChatGLM2-6B-32k组成的检索系统作为基线，以及OpenAI最强向量模型Ada002和GPT3.5-turbo-16k作为上限，测试效果，发现超越了OpenAI，结果如图3所示。Ziya-Reader和我们的自建向量模型Ziya-Embedding达到90.8%的准确率，基于Ziya-Reader的Ziya-Searching-Agent则达到了92.5%。该Agent基于Ziya-Reader的判断能力，对无相关上下文的情况进行再次检索，有效提升效果。

图3

通用能力大幅超越Ziya-Llama-v1.1

另外，Ziya-Reader的通用能力同样出色。我们在自建的通用能力测试集上进行评估(包括常识、代码、翻译、问答、写作、推理、数学、角色扮演、NLU 和无害性等方面)，side-by-side效果显示，对比经过人类反馈学习的通用模型Ziya-Llama-v1.1，Ziya-Reader有着65.7%的胜率(超过50%为胜)，如表2所示。

表2

Ziya-Reader是如何养成的

不仅搜索相关能力惊人，通用能力也超越通用模型的Ziya-Reader，堪称硬核小钢炮。那么它是如何炼成的呢？

首先，模型要有足够的上下文输入能力，因此我们使用了位置插值（PI）[3]的方式，在精选的长文档语料上进行微调，扩展上下文到8k大小。其次，模型靠数据喂养，我们从近千万数据中筛选高质量数据，仅用层层过滤的10万量级的数据即可将一个平平无奇的模型培养成知识问答小钢炮。另外，我们为搜索任务量身定做了特殊的任务，精心制作了数据，让模型学会从中寻找相关文档并回答问题。最后，借助问题感知的上下文表示以及思维链技术，让模型的效果锦上添花。更多的技术细节我们将会在技术报告中公布，敬请期待。

Ziya-Reader作为阶段性的成果，效果令人惊喜，但是依然存在着提升的空间，需要持续改进。我们未来会朝着有自我认知、全方位信息融合的知识问答智能体努力，最终解放用户、提供更智能的知识问答体验，请大家继续关注！

Ziya-Reader-13B-v1.0开源地址

欢迎点击下方链接体验

Hgggingface地址：

https://huggingface.co/IDEA-CCNL/Ziya-Reader-13B-v1.0

ModelScope地址：

https://modelscope.cn/models/Fengshenbang/Ziya-Reader-13B-v1.0/

参考文献

[1]Liu, NelsonF, et al. Lost in the Middle: How Language Models Use Long Contexts.Jul 2023.

[2]Bai,Yushi,et al. LongBench: A Bilingual, Multitask Benchmark for Long Context Understanding. Aug 2023.

[3]Chen, Shouyuan, et al. Extending Context Window of Large Language Models via Positional Interpolation. Jun 2023

本文转载自社区供稿内容，不代表官方立场。了解更多，请关注微信公众号”模思空间”:

如果你有好的文章希望通过我们的平台分享给更多人，请通过这个链接与我们联系: 

https://hf.link/tougao