Как галлюцинации языковых моделей могут нарастать как снежный ком

How Language Model Hallucinations Can Snowball

May 22, 2023

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

cs.AI

Аннотация

Основной риск использования языковых моделей в практических приложениях заключается в их склонности к галлюцинациям — генерации некорректных утверждений. Галлюцинации часто связывают с пробелами в знаниях языковых моделей, однако мы предполагаем, что в некоторых случаях, оправдывая ранее сгенерированные галлюцинации, модели выдают ложные утверждения, которые они сами могут распознать как ошибочные. Мы создали три набора данных для вопросов и ответов, в которых ChatGPT и GPT-4 часто дают неверный ответ и сопровождают его объяснением, содержащим хотя бы одно ложное утверждение. Важно отметить, что ChatGPT и GPT-4 способны распознать 67% и 87% своих ошибок соответственно. Мы называем это явление "эффектом снежного кома галлюцинаций": языковая модель чрезмерно привержена ранним ошибкам, что приводит к появлению дополнительных ошибок, которые в иных случаях она бы не допустила.

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.