ANAH-v2: Scaling Analytical Hallucination Annotation of Large Language Models

要約

大規模言語モデル(LLM)は、様々なドメインや幅広い用途の長文質問応答タスクにおいて幻覚を示す。現在の幻覚の検出と軽減のデータセットは、領域とサイズが限られており、法外な人件費と既存の幻覚アノテータの信頼性が不十分なため、拡張に苦労している。LLM幻覚のスケーラブルな監視を容易にするために、本稿では、幻覚注釈データセットを同時に漸進的にスケールアップし、幻覚注釈者の精度を向上させる反復自己学習フレームワークを紹介する。期待値最大化（EM）アルゴリズムに基づき、各反復において、フレームワークはまず、幻覚アノテーションパイプラインを適用し、スケールアップされたデータセットに幻覚アノテーションを付与し、次に、より正確な幻覚アノテータをデータセット上で訓練する。この新しい幻覚アノテーションは、次の反復で使用される幻覚アノテーションパイプラインに採用される。広範な実験結果は、たった7Bのパラメータで最終的に得られた幻覚アノテータがGPT-4の性能を上回り、ゼロショット推論によってHaluEvalとHalluQAで新たな最先端の幻覚検出結果を得たことを示している。このようなアノテータは、大規模データセットにおける様々なLLMの幻覚レベルを評価できるだけでなく、LLM世代の幻覚を軽減するのにも役立ち、自然言語推論（NLI）メトリックはHaluEvalの25%から37%に増加した。

要約(オリジナル)

Large language models (LLMs) exhibit hallucinations in long-form question-answering tasks across various domains and wide applications. Current hallucination detection and mitigation datasets are limited in domains and sizes, which struggle to scale due to prohibitive labor costs and insufficient reliability of existing hallucination annotators. To facilitate the scalable oversight of LLM hallucinations, this paper introduces an iterative self-training framework that simultaneously and progressively scales up the hallucination annotation dataset and improves the accuracy of the hallucination annotator. Based on the Expectation Maximization (EM) algorithm, in each iteration, the framework first applies a hallucination annotation pipeline to annotate a scaled dataset and then trains a more accurate hallucination annotator on the dataset. This new hallucination annotator is adopted in the hallucination annotation pipeline used for the next iteration. Extensive experimental results demonstrate that the finally obtained hallucination annotator with only 7B parameters surpasses the performance of GPT-4 and obtains new state-of-the-art hallucination detection results on HaluEval and HalluQA by zero-shot inference. Such an annotator can not only evaluate the hallucination levels of various LLMs on the large-scale dataset but also help to mitigate the hallucination of LLMs generations, with the Natural Language Inference (NLI) metric increasing from 25% to 37% on HaluEval.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL