Wie Halluzinationen von Sprachmodellen sich aufschaukeln können

How Language Model Hallucinations Can Snowball

May 22, 2023

Autoren: Muru Zhang, Ofir Press, William Merrill, Alisa Liu, Noah A. Smith

cs.AI

Zusammenfassung

Ein großes Risiko bei der praktischen Anwendung von Sprachmodellen ist ihre Tendenz, falsche Aussagen zu halluzinieren. Halluzinationen werden oft Wissenslücken in Sprachmodellen zugeschrieben, aber wir stellen die Hypothese auf, dass Sprachmodelle in einigen Fällen, wenn sie zuvor generierte Halluzinationen rechtfertigen, falsche Behauptungen ausgeben, die sie separat als inkorrekt erkennen könnten. Wir konstruieren drei Frage-Antwort-Datensätze, in denen ChatGPT und GPT-4 häufig eine falsche Antwort geben und eine Erklärung mit mindestens einer falschen Behauptung liefern. Entscheidend ist, dass wir feststellen, dass ChatGPT und GPT-4 jeweils 67 % bzw. 87 % ihrer eigenen Fehler identifizieren können. Wir bezeichnen dieses Phänomen als Halluzinationsschneeballeffekt: Ein Sprachmodell verharrt zu stark auf früheren Fehlern, was zu weiteren Fehlern führt, die es ansonsten nicht machen würde.

English

A major risk of using language models in practical applications is their tendency to hallucinate incorrect statements. Hallucinations are often attributed to knowledge gaps in LMs, but we hypothesize that in some cases, when justifying previously generated hallucinations, LMs output false claims that they can separately recognize as incorrect. We construct three question-answering datasets where ChatGPT and GPT-4 often state an incorrect answer and offer an explanation with at least one incorrect claim. Crucially, we find that ChatGPT and GPT-4 can identify 67% and 87% of their own mistakes, respectively. We refer to this phenomenon as hallucination snowballing: an LM over-commits to early mistakes, leading to more mistakes that it otherwise would not make.