Может ли редактирование знаний действительно исправить галлюцинации?

Can Knowledge Editing Really Correct Hallucinations?

October 21, 2024

Авторы: Baixiang Huang, Canyu Chen, Xiongxiao Xu, Ali Payani, Kai Shu

cs.AI

Аннотация

Большие языковые модели (LLM) страдают от галлюцинаций, относящихся к нефактической информации в созданном контенте, несмотря на их выдающиеся возможности в различных задачах. Тем временем, редактирование знаний было разработано как новая популярная парадигма для исправления ошибочных фактических знаний, закодированных в LLM, с преимуществом избежания повторного обучения с нуля. Однако одной из общих проблем существующих наборов данных для оценки редактирования знаний является то, что они не гарантируют, что LLM действительно генерируют галлюцинационные ответы на вопросы оценки перед редактированием. Когда LLM оцениваются на таких наборах данных после редактирования различными методиками, трудно непосредственно применить результаты для оценки эффективности различных методов редактирования знаний в исправлении галлюцинаций. Таким образом, фундаментальный вопрос остается недостаточно подтвержденным: может ли редактирование знаний действительно исправить галлюцинации в LLM? Мы предложили HalluEditBench для всесторонней оценки методов редактирования знаний в исправлении реальных галлюцинаций. Во-первых, мы строго создаем обширный набор данных о галлюцинациях с 9 областями, 26 темами и более чем 6 000 галлюцинациями. Затем мы оцениваем производительность методов редактирования знаний всесторонне по пяти измерениям, включая Эффективность, Обобщение, Переносимость, Локальность и Устойчивость. Через HalluEditBench мы предоставили новые идеи о потенциалах и ограничениях различных методов редактирования знаний в исправлении галлюцинаций, что может вдохновить на будущие улучшения и способствовать прогрессу в области редактирования знаний.

English

Large Language Models (LLMs) suffer from hallucinations, referring to the non-factual information in generated content, despite their superior capacities across tasks. Meanwhile, knowledge editing has been developed as a new popular paradigm to correct the erroneous factual knowledge encoded in LLMs with the advantage of avoiding retraining from scratch. However, one common issue of existing evaluation datasets for knowledge editing is that they do not ensure LLMs actually generate hallucinated answers to the evaluation questions before editing. When LLMs are evaluated on such datasets after being edited by different techniques, it is hard to directly adopt the performance to assess the effectiveness of different knowledge editing methods in correcting hallucinations. Thus, the fundamental question remains insufficiently validated: Can knowledge editing really correct hallucinations in LLMs? We proposed HalluEditBench to holistically benchmark knowledge editing methods in correcting real-world hallucinations. First, we rigorously construct a massive hallucination dataset with 9 domains, 26 topics and more than 6,000 hallucinations. Then, we assess the performance of knowledge editing methods in a holistic way on five dimensions including Efficacy, Generalization, Portability, Locality, and Robustness. Through HalluEditBench, we have provided new insights into the potentials and limitations of different knowledge editing methods in correcting hallucinations, which could inspire future improvements and facilitate the progress in the field of knowledge editing.