大幅降低LLM对困难样本错误分类与幻觉的新方法，最高减少22.7%_pag-llm: paraphrase and aggregate with large langu-优快云博客

本文链接：https://blog.youkuaiyun.com/python1234567_/article/details/140081384

大型语言模型（LLM）在大型多类分类任务中表现出色，但仍然存在分类错误，甚至生成了词汇表外的类别标签。

为了解决这些问题，提出了一种称为“Paraphrase and AGgregate (PAG)-LLM”的方法：

LLM生成输入查询的多个释义（平行查询）
对原始查询和每个释义执行多类分类
根据置信度分数聚合所有分类标签

该方法特别适用于LLM不确定的困难示例，可以减少关键的误分类和幻觉标签生成错误。

左侧的图展示了PAG-LLM的流程。在Figure 1(A)中，LLM对原始查询进行分类，只有当分类置信度低于阈值τ时，原始查询才会被提供给LLM以生成释义，这些释义随后再次被提供给 LLM进行分类。最后，LLM聚合来自释义和原始查询的预测类别标签。

展示了来自CLINC的示例，其中LLM分类了错误的标签（顶部示例）和词汇表外（OOV）类别标签（底部示例）。在顶部示例中，由PAG-LLM生成的释义使得可以做出正确的分类决策，并具有高置信度分数。因此，即使是简单的多数投票聚合也会导致正确的类别预测。在底部示例中，只有PAG-LLM生成的释义2能够正确分类，而其余的释义和原始查询则有OOV类别标签。PAG-LLM聚合了输入文本、释义、它们的标签和置信度，最终预测正确的类别标签。

两个大型多类分类数据集上评估了PAG-LLM：CLINC和Banking，并分别展示了**22.7%和15.1%**的错误减少。

在领域内（ID）CLINC 和 Banking(50%) 数据集上的性能。也在自一致性运行中使用了相同的微调（SFT）LLaMa-7B（第2行和第3行）。“Rand-seed” 表示使用不同随机种子训练的 6 个不同的 SFT LLaMa 的集成。“Vote” 表示采用多数投票策略来选择最终标签。对于第 6 行和第 8 行，在开发数据上调整了置信度阈值（对于 CLINC 和 Banking 分别表示为 τ=0.98 和 0.90），并且只有分类置信度较低的查询被提供给 PAG-LLM。最佳数字以粗体显示。P1、P2、P3、P4 代表来自先前工作的 4 个上下文学习（ICL）基线。

PAG-LLM在减少**词汇表外（OOV）**类别标签生成错误方面特别有效。

在 CLINC 和 Banking(50%) 的整体测试数据集（包括领域内 ID 和领域外 OOD 输入）上的性能。符号与上表中的相同。“All F1” 表示所有 ID + 1 个 OOD 类别的宏观 F1 分数（即，对于 CLINC 是 151 个类别，对于银行是 38 个类别）。“Avg” 表示 ID 和 OOD F1 分数的平均值。

https://arxiv.org/pdf/2406.17163
Paraphrase and Aggregate with Large Language Models for Minimizing Intent Classification Errors

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“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，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，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。

在这里插入图片描述