之间介绍过几种LLM+RAG框架：
1）self-RAG：引入特殊token来实现检索的控制；
2）过滤不相关检索片段：训练一个过滤模型，实现对RAG中检索片段的噪声过滤；
3）FIT-RAG：从过滤检索信息+提高检索信息+query是否需要检索判断这三个方面来优化LLLM+RAG框架；
上述三种方式的存在的缺点：1）self-RAG引入特殊token，导致训练数据标注难度加大，而且在解码中增加额外的判断成本；2）需要训练一个额外的过滤模型，如bert等，但是独立于生成的，会带来偏差；3）也需要额外训练一个判断模型，如T5，且还要对query是否进行检索信息进行判断，计算流程更为复杂。
那能不能LLM+RAG过程简化下，不要额外引入新的模型，就用一个LLM来提升生成结果？本次就分享一个从该思路来优化LLM+RAG的方法：<RankRAG: Unifying Context Ranking with Retrieval-Augmented Generation in LLMs>
其思路主要为：
1）在训练过程中就增加与生成相关的子任务训练，如检索片段的判断任务等；
2）在推理过程，可以借助LLM在子任务的结果，来辅助query的回答，进而提升整体效果；
其目的：通过fine-tunine的方式就可以让一个LLM同时具备对检索内容的质量判断和query的生成的能力，就不需要额外引入其他小模型。
上述流程图，在训练过程中，分两个阶段：
1）Stage-I：采用正常的SFT训练进行模型通用任务的对齐；
2）Stage-II：设计RankRAG指令，进一步进行微调，其中任务包括检索排序和答案生成等任务，具体如下：
在推理阶段，也是分两步：
1）第一步：是从检索器里召回top-N个相关片段，然后利用LLM对这些片段进行打分，选择top-K作为最终的检索片段；因为在训练中，让LLM具备了对片段进行打分的能力。
2）第二步：结合top-K片段和query，输入LLM做最后的回答。
总的来说，论文的核心在于在训练中加入检索相关的任务的训练，并让LLM具备对检索片段进行排序打分的能力，其不好之处：推理时候需要调两次LLM，增加了推理时间。
看看RankRAG的实验效果：
（1）在8B范围内，Llama3-RankRAG 8B在9个数据集上都取得最好的效果，甚至超过RA-DIT 65B模型；
（2）Llama3-RankRAG 70B好于Llama3-ChatQA-1.5 70B，高于平均2.5点，此外也好于chatgpt系列的RAG模型；
（3）RankRAG 在长尾数据集（PopQA）和多轮对话（2WikimQA）这类难度比较大的数据集上，相比Chat-1.5有10个点的提升，这也说明检索效果提升带来的增益。
在消融实验中：
（1）若不在推理过程进行重排，则有近3个点的下降；
（2）若不带RQA或RAR两个微调任务（训练中的第二个阶段中的任务），则有近1个点的下降；
（3）如果训练中只进行SFT模型，不进行Stage-II训练，则有10个点下降，这说明论文中设计的Stage-II指令任务的有效性。
总结一下：RankRAG框架思路比较简洁，且操作起来也很容易：就是增加一些检索相关则子任务训练，然后让LLM具备重排打分的能力，消除需要额外训练一个模型的成本，且也让检索排序和生成在模型层面保持一致。虽然在推理过程中，需要多调一次大模型，增加了推理负担，但实验来看，直接推理，不用重排，也是有一定的提升。这样在实践中：我们可以直接借鉴其Stage-II训练，可能就能有明显的提升。
