通过整体投票减轻 RAG 中的幻觉

检索增强生成（RAG）旨在通过整合外部知识来减少 大语言模型（LLM）中的幻觉。然而，RAG 引入了一个关键挑战：“幻觉上的幻觉”，其中有缺陷的检索结果误导了生成模型，导致复合幻觉。为了解决这个问题，我们提出了 VOTE-RAG，一种新颖的 无需训练 框架，具有两阶段结构和高效、可并行的投票机制。VOTE-RAG 包括：（1）检索投票，其中多个代理并行生成不同的查询并聚合所有检索到的文档；（2）响应投票，多个代理根据聚合文档独立生成答案，最终输出由多数投票决定。我们的结果表明，VOTE-RAG 的性能可与更复杂的框架相媲美或超越。此外，VOTE-RAG 具有更简单的架构，完全可并行，并避免了“问题漂移”风险。我们的工作表明，简单、可靠的整体投票是减轻 RAG 幻觉的一种优越且更有效的方法。