Como as Alucinações de Modelos de Linguagem Podem se Amplificar

How Language Model Hallucinations Can Snowball

May 22, 2023

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

cs.AI

Resumo

Um grande risco do uso de modelos de linguagem em aplicações práticas é sua tendência a alucinar afirmações incorretas. As alucinações são frequentemente atribuídas a lacunas de conhecimento nos modelos de linguagem (LMs), mas nós hipotetizamos que, em alguns casos, ao justificar alucinações previamente geradas, os LMs produzem afirmações falsas que eles mesmos poderiam reconhecer como incorretas. Construímos três conjuntos de dados de perguntas e respostas em que o ChatGPT e o GPT-4 frequentemente fornecem uma resposta incorreta e oferecem uma explicação com pelo menos uma afirmação errada. Crucialmente, descobrimos que o ChatGPT e o GPT-4 conseguem identificar 67% e 87% de seus próprios erros, respectivamente. Nós nos referimos a esse fenômeno como "efeito bola de neve de alucinação": um LM se compromete excessivamente com erros iniciais, levando a mais erros que, de outra forma, não cometeria.

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.