前言
检索增强生成（RAG）系统在处理复杂推理任务方面展现出显著的潜力。然而，现有的RAG系统在面对需要复杂推理、多领域知识集成及数值计算的任务时，仍存在性能瓶颈。为了进一步提升系统的表现，本文提出了一种混合RAG系统，通过整合多种优化方法，显著增强了系统的推理能力和处理复杂任务的能力。本文介绍的RAG系统设计并实现了一个包括网页处理、属性预测、数值计算、LLM知识提取、知识图谱及推理模块在内的综合架构。该系统能够有效地从多种来源提取信息，并通过高级推理模块结合这些信息，生成高质量的答案。
一、方法
混合RAG系统包括六个关键模块：网页处理、属性预测器、数值计算器、LLM知识提取器、知识图谱模块和推理模块。
网页处理：使用trafilatura和BeautifulSoup库从网页中提取文本和表格，然后使用Blingfire库将文本分割成句子，并根据关键词将句子组织成文本块。
属性预测器：通过LLMs和SVM分类器评估问题的领域、类型和时效性，以优化模型在不同问题类型上的性能。
数值计算器：利用外部Python解释器进行数值计算，通过LLMs生成数学表达式，并使用eval函数处理这些表达式。
LLM知识提取器：利用LLMs内部的知识进行推理，减少对外部参考文档的依赖。
知识图谱模块：通过模拟API查询知识图谱，使用LLMs生成查询语句。
推理模块：结合文本块、表格、知识图谱三元组和LLM知识进行最终答案的推理，通过设计良好的提示模板和控制推理路径来实现。
1.1 网页处理
文本块处理：
使用trafilatura库从网页中提取纯文本，该库能有效去除噪声，如页眉、页脚和链接。 对于trafilatura无法处理的网页，使用BeautifulSoup作为备选方案。 利用Blingfire库将提取的文本分割成句子。 根据关键词将句子组织成文本块，例如，将问题和其后的文本连接起来，直到达到预设的长度阈值。 表格处理：
使用BeautifulSoup提取网页中的表格，并将其转换为Markdown格式。 清理空表格以减少噪声。 文本嵌入和rank指标：
使用sentence-t5-large模型生成文本块和查询的向量嵌入。 采用余弦相似度作为排名指标，计算用户查询嵌入和文本块嵌入之间的相似度。 In-Context Learning（ICL）：利用大型语言模型（LLMs）的自然语言理解和多任务泛化能力。通过向模型提供分类指令和5个类别的示例，指导其对后续问题进行分类。采用自我一致性策略，多次采样模型的输出，选择出现频率最高的类别作为问题的分类结果。
支持向量机（SVM）：使用CRAG公开数据集训练一个SVM分类器。利用MiniLM-L6-v2模型获取句子嵌入，用于训练SVM。SVM模型在预测属性方面表现出较高的准确性，并且计算开销较小。
生成数学表达式：鼓励大型语言模型（LLMs）将推理过程表述为数学表达式。将可能包含数值信息的检索到的文本块和表格整合到模型的提示中。使用提示技术促使模型直接生成有效的Python表达式。
计算表达式：使用多次采样生成Python表达式，并通过eval函数处理这些表达式以得到计算结果。
安全性和终止执行：LLMs生成的程序代码可能包含恶意代码，直接执行这些代码可能对系统稳定性构成威胁。为了确保系统安全，最佳实践是使用ast.literal_eval或在沙箱环境中执行代码。 输入信息整合：推理模块接收来自网页处理、数值计算器、LLM知识提取器和知识图谱模块的所有参考信息，包括文本块、表格、知识图谱三元组和LLM生成的知识。
提示模板设计：设计了一个详细的提示模板，用于指导大型语言模型（LLM）进行推理。提示模板包括系统提示和用户提示。系统提示明确了任务要求、规则和输出格式。用户提示包含了具体的查询和参考信息。
推理路径控制：通过输出格式示范和零样本CoT技术，控制推理路径，特别是对于多跳问题。设计了多条规则来约束推理路径和输出格式，确保输出精确。
中间问题引导：在提示中提出中间问题，引导模型进行逐步推理，从而提高推理的准确性和详细程度。
处理不确定性和错误：如果参考信息不包含回答问题所需的信息，或者模型无法基于当前知识直接回答问题，模型将回答“我不知道”。如果问题的前提是错误的，模型将回答“无效问题”。
最终答案生成：模型生成的推理过程和最终答案必须遵循严格的格式要求，确保答案简洁且详细解释推理过程。
无效问题：通过分析提供的参考信息，识别出具有错误前提的问题，即查询与事实相矛盾的问题。在推理提示中添加特殊规则，使模型在这种情况下输出“无效问题”。
减少幻觉：使用属性预测器和推理模块来减少幻觉。对于时间变化的问题，模型会回答“我不知道”，因为这些问题难以处理。在推理模块中添加规则和提示工程技术，使模型在不确定时回答“我不知道”。
格式错误：由于未对推理输出进行约束采样，模型可能会生成无法解析的答案。设计了一个备份总结代理，当解析失败时，基于推理模块的输出生成简洁准确的总结。设计了一个备份总结代理，当解析失败时，基于推理模块的输出生成简洁准确的总结。
领域属性表现：系统在电影、音乐和开放领域表现良好，但在金融和体育领域表现不佳，主要因为这些领域需要处理动态信息。 动态性问题：随着问题的动态性增加，系统的有效性逐渐下降。 问题类型表现：系统在需要复杂推理的任务上表现优异，这得益于强大的推理模块。
1.2 属性预测
1.3 数值计算
1.4 LLM知识提取器
知识提取器的过程类似于常规的模型生成过程。使用zero-shot提示，这些提示要求模型评估给定查询是否涉及错误前提，并生成更简洁的响应。在提示中不包含来自外部知识库的参考文档，并且不包括多次采样，以减少计算开销。
LLM能够仅基于训练过程中内部化的知识进行响应。这种方法在处理被分类为慢变和稳定的问题时表现良好。
直接让模型回答问题可能会引入幻觉，尽管使用了零样本CoT推理。为了平衡幻觉和LLM内部知识，系统将LLM知识提取器的输出仅作为参考之一。设计了特定的提示，确保模型既不过度依赖文档参考，也不过分信任LLM的知识。
提示模板旨在让LLM基于所有参考信息进行推理并得出最终答案。通过输出格式示范和零样本CoT控制推理过程，这对于多跳问题特别有用。利用Llama3-70B-Instruct的强指令遵循能力，成功地在控制推理任务方面取得了稳步进展。
设计了多条规则来约束推理路径和输出格式，确保输出精确。通过在提示中提出中间问题来引导模型推理。
1.5 知识图谱抽取模块
使用 函数调用方法：系统从查询中提取实体，并使用LLM生成函数调用来检索相关信息。函数调用的质量取决于LLM生成的查询语句的质量。
1.6 推理模块
1.7 处理边界情况
二、实验
数值计算器和推理模块对系统性能的提升贡献显著。
总结
本文介绍了一种混合检索增强生成（RAG）系统，通过一系列综合优化显著提高了检索质量、增强了推理能力并提升了数值计算能力，通过多个模块的协同工作显著提升了LLMs在复杂推理任务中的表现。