RAG 系统将检索机制与生成式大语言模型(LLMs)相结合,为法律文本处理带来了新的可能性。然而,随着相关技术的迅速发展,一个重要问题逐渐浮现:缺乏专门用于评估法律特定 RAG 系统中检索组件的基准。这一缺失严重制约了该领域的进一步发展,为解决这一问题,LegalBench - RAG 应运而生,它是首个专注于评估法律领域 RAG 系统检索步骤的基准,为该领域的发展提供了重要的支撑。
一、研究背景
1.1 RAG 系统概述
RAG 系统的工作原理是利用知识库,其中包含多个文档,这些文档均为法律文本字符串。在传统实现中,每个文档会被分割成一组块,并通过专门的嵌入模型转换为向量嵌入。当用户提交查询时,系统使用相同的嵌入模型将其向量化,然后检索与查询最相关的前个块,常用的相似度度量方法如余弦相似度。最后,检索到的块与查询和系统提示一起被送入大语言模型(LLM)以生成最终响应。RAG 系统主要包含两个重要模块:
- 上下文检索器(Contextual Retriever):该模块负责从外部知识库中定位相关信息,返回对应的上下文集合。通常,RAG 架构采用双编码器检索器(如 DPR),它在信息检索方面具有高效性和准确性。在实际操作中,首先使用双编码器检索器获取前个项目,然后利用交叉编码器模型对这些项目进行重新排序,该模型会输出查询与每个项目之间的相似度得分,最终返回前个结果。
- 答案生成器(Answer Generator):这个组件通常基于序列到序列模型,接收查询和上下文作为输入,并生成具有一定可能性的答案。
1.2 RAG 基准相关研究
在 RAG 系统出现之前,问答基准(如 HotPotQA)就已存在,如今仍在使用。随着 RAG 技术的发展,也出现了多个专门评估 RAG 系统质量的基准,如 RGB 和 RE