CAG и KAG: Улучшенные методы дополнения генерации после RAG

Доброго времени суток, уважаемые хабровчане. Меня зовут Кирилл Кухарев и я являюсь разработчиком в компании Raft. Про RAG в блоге нашей компании написано уже внушительное количество статей. Если кто-то не знаком с этой технологией или только начинает изучать, рекомендую обратить ваше внимание на статью Игоря про архитектуру RAG, статью Сони про выбор фреймворков для создания RAG и статью Никиты тоже про RAG, но обо всем по чуть-чуть. Если говорить вкратце, то технология RAG — это как библиотекарь и писатель в одном лице. Когда вы задаете ему вопрос, то он сначала копается в огромной библиотеке (например, в одной или нескольких базах данных или корпусах документов), чтобы найти необходимую информацию, а затем использует генеративную модель, чтобы создать ответ на основе информации, которую нашел.

CAG — это что за покемон?

Теперь представьте, что библиотекарь, которого часто спрашивают одну и ту же информацию уже не ищет ее в библиотеке, а выдает ее «на лету». Это и есть Cache-Augmented Generation (CAG). Вместо того чтобы каждый раз брать информацию из базы знаний, CAG проверяет свой кэш.

Ключевой концепцией CAG является Key-Value(KV) кэш. Когда LLM обрабатывает запрос пользователя, она создает пары ключ-значение, где ключ — это метка, а значение — это информация, связанная с этой меткой. Обычно, после завершения генерации ответа, все созданные пары просто удаляются. CAG не удаляет эти метки, а использует для последующих запросов. Таким образом взяв коллекцию документов, мы вычисляем кэш KV для всех этих документов, сохраняем его и используем в процессе вывода. Далее процесс делится на три этапа:

• Предварительная загрузка внешних знаний. KV кэш собранной коллекции документов сохраняется на диске и будет использован позже. В отличие от RAG, документы используются только один раз (модель обрабатывает их только в это время). Поскольку затем она видит их все вместе, модель имеет целостное и более актуальное представление о наборе документов, что улучшает отклики.

• Инференс. Во время инференса (когда поступает вопрос от пользователя) загружается кэш KV и вопрос. Затем LLM использует этот кэш для генерации ответов. Таким образом, отсутствует задержка при получении ответа.

• Очистка кэша. Кэш KV растет в процессе вывода (каждый раз, когда мы вешаем новые токены, особенно если мы рассматриваем несколько взаимодействий между пользователем и LLM). Чтобы избежать перенасыщения количества входных данных, которые может принять LLM (длина контекста), мы можем использовать усечение как простой метод очистки кэша. Таким образом, нам не придется каждый раз заново инициализировать кэш.

Например авторы этой статьи используют 2 набора данных для создания собственного набора и дальнейшего сравнения RAG и CAG:

• Stanford Question Answering Dataset (SQuAD) 1.0 Содержит более 100 000 вопросов по статьям Википедии, где ответом является фрагмент текста, взятый из статьи.

• HotPotQA dataset. Состоит из более 100 000 пар вопрос-ответ.

Затем авторы используя модель Llama 3.1 8B Instruction (128K токенов длины контекста) проверили с помощью BERTScore, что модель адекватно отвечает на вопросы. Они составили свою систему из двух версий RAG (одна с использованием разреженных векторов, другая — с использованием плотных векторов).

Ликбез по векторам

По результатам всех экспериментов CAG превосходит оба RAG. По мнению авторов, CAG устраняет ошибки поиска и обладает более целостным видением. Поэтому эта система кажется более надежной.

Несмотря на то, что CAG показал высокие результаты, авторы не берут во внимание тот факт, что:

1. Было проведено мало экспериментов;

2. Компании при разработке пайплайнов работы с LLM и документами используют более сложные подходы, например реранкинг для RAG, который повышает качество ответов;

3. Не до конца понятно, насколько этот подход масштабируем, особенно если нам приходится проводить непрерывное обновление знаний.

Ключевыми недостатками CAG является ограничение контекстного окна LLM и высокая стоимость запросов из-за большого количества информации (токенов) в запросе.

Парировать данный недостаток можно тем фактом, что контекст передовых больших языковых моделей постоянно растет и стоимость запросов к моделям (как локальным — расход мощностей на вычисления, так и по API) снижается. Более того, если вы общаетесь с LLM последних версий по API, то могли заметить, что в них появляется подход Prompt Caching. Например у моделей OpenAI стоимость запросов снижается практически в 2 раза при отправке запроса с теми токенами, которые модель уже видела (например, системный промпт).

К тому же на данном этапе развития LLM можно совместить возможности CAG и RAG. Если ответ на вопрос удается найти в кэше, то он мгновенно возвращается, если нет, то запускается стандартный RAG процесс поиска ответа и генерации.

Когда необходимо использовать CAG?

• Ваша база знаний помещается в контекстное окно модели.

• Вам нужны сверхбыстрые ответы.

• Ваши данные меняются нечасто.

• Вы не против более высоких затрат в обмен на более высокую производительность.

• Вы не видите снижения качества по сравнению с RAG.

KAG или как заставить RAG лучше понимать взаимосвязи сущностей в данных

Knowledge Augmented Generation (KAG) — это фреймворк, который улучшает обработку информации за счет интеграции графов знаний в RAG. Основой KAG является способность представлять знания таким образом, чтобы они были доступны и интерпретируемы для LLM. Используя фреймворк LLMFriSPG, система организует информацию иерархически, вдохновляясь моделью DIKW(data, information, knowledge, wisdom). Эта структура объединяет:

• Извлечение знаний без предопределенных структур для широкого охвата.

• Интеграция знаний с использованием заранее определённых структур для высокой точности и логической согласованности.

• Совместимость между текстовыми данными и графовыми структурами, что обеспечивает плавный переход между неструктурированной и структурированной информацией.

RAG использует векторное сходство для поиска релевантной информации, что эффективно в общих сценариях, но может быть недостаточно надежным в специализированных областях, где требуются точные и логически обоснованные ответы. KAG использует систему взаимного индексирования для устранения разрыва между текстовыми данными и структурированными графами знаний. Это индексирование связывает узлы графа знаний с текстовыми блоками, что позволяет эффективно ориентироваться в информации и улучшает точность извлечения, особенно при решении задач, требующих многоступенчатого рассуждения или для задач, ориентированных на профессиональные домены.

KAG состоит из трех основных компонентов — KAG-Builder, KAG-Solver и KAG-Model.

• KAG-Builder: Построение индексов знаний

  

  Обрабатывает сырой текст и преобразует его в структурированную базу знаний. Данный компонент включается в себя:

  • Извлечение сущностей, связей и событий из текста с использованием методов извлечения информации.

  • Согласование извлеченных знаний со схемами, специфичными для предметной области, для снижения шума и повышения согласованности.

  • Создание взаимосвязанных индексов, которые связывают узлы графа знаний с соответствующими им текстовыми фрагментами.

  Результатом является база знаний, оптимизированная для эффективного поиска и рассуждений.

• KAG-Solver: Гибридный ризонинг и решение проблем.

  Обрабатывает запросы через декомпозицию логических форм для разложения сложных вопросов на более мелкие. KAG-Solver включает:

  • Структурированный ризонинг. Использование графовых взаимосвязей для получения логических выводов

  • Языковой ризонинг. Использование LLM для интерпретации и получения связного и логически правильного ответа.

  • Численные расчеты. Обработка запросов, включающих вычисления или запросов, включающих временные интервалы.

  Этот многоступенчатый процесс гарантирует, что система выдает последовательные и точные ответы даже на комплексные вопросы.

• KAG-Model: Унифицированное извлечение и генерация

  Интегрирует задачи извлечения информации и генерации текста в единый эффективный конвейер. Используя сочетание понимания естественного языка, вывода и генерации, этот модуль устраняет накопление ошибок, характерное для традиционных многоступенчатых систем. Способность модели генерировать тексты, специфичные для конкретных областей, обеспечивает соответствие контексту и логическим ожиданиям запроса пользователя.

Благодаря KAG производительность LLM повышается в трех ключевых областях:

• Понимание естественного языка: Улучшенное понимание текста за счёт масштабного обучения и тонкой настройки на разнообразных наборах данных.

• Вывод на естественном языке: Улучшенные способности к рассуждению для таких задач, как связывание сущностей, устранение неоднозначностей и определение семантических связей.

• Генерация естественного языка: Модели, адаптированные для генерации текстов, специфичных для конкретных доменов, с минимальной долей ошибок или «галлюцинаций».

Сравнение KAG, RAG и CAG

Заключая, можно отметить, что развитие методов CAG и KAG знаменует важный шаг вперёд в эволюции генеративных систем. С одной стороны, CAG благодаря кэшированию позволяет добиться мгновенных ответов и оптимизации вычислительных затрат при повторном использовании уже извлечённой информации. С другой стороны, интеграция графов знаний в KAG открывает новые возможности для точного и логически последовательного вывода, что особенно актуально для специализированных доменов. Несмотря на существующие ограничения – от объёма контекстного окна до высокой стоимости запросов – объединение возможностей RAG, CAG и KAG демонстрирует потенциал для создания гибридных систем, способных обеспечить максимально эффективное использование накопленных данных и интеллектуальное взаимодействие с пользователями. 

А что вы думаете по этому поводу? Буду рад услышать ваш опыт внедрения подобных решений и трудности, которые возникли при внедрении.