RAG 修炼手册｜RAG 敲响丧钟？大模型长上下文是否意味着向量检索不再重要

Gemini 发布后，由于其在处理长上下文方面表现出色，行业不乏“RAG 已死”的声音。RAG 到底有没有被杀死？向量数据库的还是 AI 应用开发者的最佳拍档吗？本文将一起探讨。

01.Gemini 发布后

AIGC 的迭代速度正以指数级的速度增长。Gemini 刚发布不久，便迅速被 OpenAI 的Sora 夺去了光芒。显然，与详尽的技术对比报告和性能指标相比，大众对 Sora 提供的酷炫逼真的视觉效果更为关注。有爱好者尝试使用 Gemini 来分析 Sora 生成视频的结果，这种做法宛如用最强之矛去攻击最坚固之盾。

测试结果显示，Gemini 1.5 不仅准确理解了视频的基本内容，还指出了生成视频中的一些不符合常理的细节。只有魔法对抗魔法，尽管 Sora 的生成效果确实令人惊艳，但还是很容易被 Gemini 找到了漏洞，与众人所期待的“物理引擎”水平之间还存在显著的差距。

相比 Sora 的博人眼球，Gemini 发布的五十多页技术报告更值得一读。

报告详细介绍了长上下文和多模态测试，这些测试的许多方面将对 AIGC 应用未来发展产生深远影响。Gemini 支持高达 1000万 token 的超长上下文和强大的多模态能力，这意味着利用 Gemini 能够与整本书籍、庞大的文档集、数百个文件组成的数十万行代码库、完整电影、整个播客系列等进行交互。

02.大海捞针 - 长上下文究竟意味着什么？

Gemini 1.5 的亮点在于其长上下文处理能力，特别是在处理庞大数据集时的强大搜索功能。技术报告中的“needle-in-a-haystack”（大海捞针）测试精彩展示了这一点。

在这项测试中，模型需要从一个长序列中检索到特定的文本片段。通过在不同位置插入文本（即“针”）并要求模型找到这些“针”，测试了模型在不同上下文长度下的信息检索能力。Gemini 1.5 Pro 在长达 530k token 的文档中实现了 100% 的准确检索，在长达 1M token 的文档中保持了超过 99.7% 的检索准确率。此外，即使在文档长度达到 10M tokens 时，模型仍能以 99.2% 的准确率找到并提取信息。这一结果不仅证明了Gemini 1.5 Pro 处理长文档的能力，还展示了其在极端长上下文中的稳定性和准确性。

图源https://storage.googleapis.com/deepmind-media/gemini/gemini_v1_5_report.pdf

尽管 GPT-4 在小于 128k 的上下文中表现也同样出色，但 Gemini 的处理更长上下文的能力有了显著扩展。在长文档 QA 测试中，直接将一本 710K token 的书作为上下文输入给 Gemini，结果远胜于 0-shot 查询和只召回 4k token 的标准 RAG 查询。人类评估和 AutoAIS 评估的结果都显示 Gemini 模型对原材料有很好的理解。

相反，在 0-shot 设置下，大型模型通常选择避免回答问题，以减少可能出现的幻觉和非事实性断言。对于 RA G而言，我们观察到特定的问题集通常需要解决指代表达式（例如，“兄弟”，“主角”），这需要跨越长距离依赖进行推理，而这些依赖通常不容易通过 RAG 的检索技术捕获。

图源https://storage.googleapis.com/deepmind-media/gemini/gemini_v1_5_report.pdf

由于 Gemini 在处理长上下文方面表现出色，甚至有人高喊“RAG已死”。据爱丁堡大学博士符尧在评价 Gemini 1.5 Pro 的帖子中写道：“一个拥有 1000 万 token 上下文窗口的大模型击败了 RAG。大语言模型已经是非常强大的检索器，那么为什么还要花时间构建一个弱小的检索器，并将时间花在解决分块、嵌入和索引问题上呢？”

03.RAG - 中点还是终点？

RAG 技术，即检索增强生成（Retrieval-Augmented Generation），是一种利用外部来源获取的事实来增强生成式人工智能模型准确性和可靠性的技术。通常包括两个阶段：检索上下文相关信息和使用检索到的知识指导生成过程。通过从更多数据源添加背景信息，以及通过训练来补充大型语言模型（LLM）的原始知识库，检索增强生成能够提高搜索体验的相关性。

在过去的 2023 年，RAG 技术取得了快速发展，也带火了向量数据库。搜索增强能够有效解决幻觉、时效性差、专业领域知识不足等阻碍大模型应用的核心问题。一方面，搜索增强技术能有效提升模型性能，并且使大模型能“外挂硬盘”，实现互联网实时信息+企业完整知识库的“全知”。这一技术不仅提高了生成式模型的准确性和可靠性，还使其能够更好地理解上下文，并将检索到的知识融入到生成过程中，从而生成更加贴合实际需求的文本。

随着大型模型对上下文长度的支持加强以及从长上下文检索信息的能力逐渐增强，我们不禁要问：RAG 技术是否已经过时，成为人工智能生成与检索应用中的过客？

在笔者看来，RAG 技术的发展才刚刚起步，并且随着大型模型在处理长上下文和遵循指令方面的能力不断提升，RAG 技术将持续发展迭代。单纯依赖大型模型并不能完全满足非结构化数据处理的 4V 特性：

1.Velocity（速度）：根据目前的测试反馈，Gemini 在回答 36 万个上下文时需要约 30 秒，并且查询时间随着 token 数量呈非线性上升。尽管我们对算力和模型的发展都持乐观态度，但要使长上下文实现秒级响应对于基于 transformer 的大型模型仍然是一个极具挑战性的目标。

2.Value（价值）：尽管长下文的大模型生成结果具有很高的质量，但是推理成本依然是落地的阻碍。例如，如果将上下文的窗口设定为 1M，按照当前 0.0015 美元/1000 token 的收费标准，一次请求就要花掉 1.5 美元。这样高昂的成本显然是无法实现日常使用的。

3.Volume（体量）：1000 万 token 相对于当前庞大的非结构化数据体量而言，依然是九牛一毛。目前还没有方式把整个 Google 搜索的索引数据扔进大模型。

4.Variety（多样性）：实际的落地场景中，不仅仅包含了长文本，图片等非结构化数据，更包含了复杂的结构化数据，比如时间序列数据、图数据、代码的变更历史等等，处理这些数据依然需要足够高效的数据结构和检索算法。

04.RAG 路在何方？

RAG 已经被证明是一种解决大模型幻觉的有效方法，如何进一步提升 RAG 的实战效果？

1.提升长上下文的理解能力

图源https://arxiv.org/abs/2402.11573

由于嵌入模型通常较小，上下文窗口有限，传统的 RAG 通常依赖分块对数据进行切分。这导致了上下文信息的丢失，例如一些代词的信息无法连贯地理解。

举例来说明，在某个对话中，提到 “Bill 周日去了埃菲尔铁塔，之后又跟朋友一起去了卢浮宫”。当我们进行传统的提问，例如询问“Bill周日下午去了哪里？”时，由于上下文信息被分割成多个分块，可能会导致搜索到的信息仅包含了Bill周日去了埃菲尔铁塔，从而形成了错误的结论。这种情况下，由于上下文被切分，系统无法正确理解代词“去了哪里”的指代对象，从而导致了错误的结果。

近期，基于大型模型实现的嵌入逐渐成为主流。在 Huggingface MTEB LeaderBoard 中，效果最好的嵌入基本上都是由大型模型所霸榜。这一趋势的一个副产品是嵌入的上下文窗口也逐渐提升，例如 SRF-Embedding-Mistral 和 GritLM7B 已经支持 32k 的长上下文，这意味着嵌入本身处理长上下文的能力也得到了大幅提升。

最近发布的 BGE Landmark embedding 的论文也阐述了一种利用长上下文解决信息不完整检索的方法。通过引入无分块的检索方法，Landmark embedding 能够更好地保证上下文的连贯性，并通过在训练时引入位置感知函数来有限感知连续信息段中最后一个句子，保证嵌入依然具备与 Sentence Embedding 相近的细节。这种方法大幅提升了长上下文 RAG 的精度。

图源https://arxiv.org/abs/2402.11573

2.利用多路召回提升搜索质量

为了提升 RAG 的回复质量，关键在于能够检索到高质量的内容。数据清理、结构化信息提取以及多路混合查询，都是提高搜索质量的有效手段。最新的研究表明，相比稠密向量模型，使用如 Splade 这类稀疏向量模型，在域外知识搜索性能，关键词感知能力以及可解释方面表现更佳。最近开源的 BGE_M3 模型能够在同一模型中生成稀疏、稠密以及类似 Colbert 的 Token 多向量，通过不同类型的向量多路召回并结合大型模型进行排名，可以显著提高检索效果。这种混合查询的方法也被向量数据库厂商广泛接受，最近发布的 Milvus 2.4 版本也支持了稠密和稀疏向量的混合查询。

图源https://arxiv.org/pdf/2402.03216.pdf

3.使用复杂策略提升RAG能力

图源https://towardsdatascience.com/12-rag-pain-points-and-proposed-solutions-43709939a28c

开发大模型应用不仅面临算法挑战，还涉及复杂的工程问题。这要求开发者具备深入的算法知识及复杂系统设计和工程实践的能力。采用复杂策略，如查询改写、意图识别和实体检测，不仅提升了准确性，也显著加快了处理速度。即使是先进的 Gemini 1.5 模型，在进行 Google 的 MMLU 基准测试时也需调用 32 次才能达到 90.0% 的准确率，显示出采用复杂工程策略以提升性能的必要性。通过使用向量数据库和 RAG，采取空间换时间的策略，使 RAG 系统能更有效利用大型语言模型（LLM）的能力。这不仅限于生成答案，还包括分类、提取结构化数据、处理复杂 PDF 文档等任务，增强了 RAG 系统的多功能性，使其能适应更广泛的应用场景。

05.大内存的发展并不意味着硬盘的淘汰

大模型技术正在改变世界，但无法改变世界的运行规律。

自冯诺依曼架构诞生之日起，存储器、计算器和外存分开,即使在单机内存已经达到TB级别的今天，SATA磁盘和闪存依然在不同应用场景下发挥着重要的价值。

对于大模型而言，长期记忆的重要性也将持续存在。AI 应用的开发者一直在追求查询质量和成本之间的完美平衡。当大型企业将生成式人工智能投入生产时，他们需要控制成本，同时保持最佳的响应质量。RAG 技术和向量数据库依然是实现这一目标的重要工具。

本文首发于微信公众号「硅基立场」。

阅读原文

---

​

• 如果在使用 Milvus 或 Zilliz 产品有任何问题，可添加小助手微信 “zilliz-tech” 加入交流群。 ​
• 欢迎关注微信公众号“Zilliz”，了解最新资讯。