当前RAG进展集中在通过迭代的LLMs精细化处理或通过LLMs的额外指令调整获得的自我批评能力来改善检索与生成结果。谷歌多部门（Google Cloud AI Research、Google DeepMind、Google Cloud AI）联合加利福尼亚大学圣迭戈分校提出一个新的框架Speculative RAG，它利用一个更大的通用语言模型（LM）来高效地验证由一个更小的、经过蒸馏的专家LM并行生成的多个RAG草稿。每个草稿（Drafting）都是从检索到的文档的不同子集中生成的，提供了对证据的多样化视角，同时减少了每个草稿的输入标记数。
Speculative RAG的具体实现：
问题定义：在知识密集型任务中，每个条目可以表示为 (Q, D, A)，其中 Q 是需要额外知识的问题或陈述；D 是从数据库检索到的文档集；A 是预期的答案。
概述：Speculative Retrieval Augmented Generation (SPECULATIVE RAG) 的方法，旨在提高对检索文档的推理能力，同时不牺牲处理速度。该方法采用了分而治之的策略，使用较小的专家语言模型（RAG drafter）快速生成多个答案草稿，然后由较大的通用语言模型（RAG verifier）评估这些草稿，并基于其理由选择最佳草稿。
算法描述：首先，根据文档与所提问题的关系对检索到的文档进行聚类，然后从每个聚类中抽取一个文档形成一个子集，以确保多样性并减少冗余。接着，将每个子集分配给 RAG drafter 并行生成答案草稿和理由。之后，使用通用语言模型 MVerifier 计算每个草稿-理由对的置信度分数，并选择分数最高的答案草稿作为最终答案。
专家 RAG Drafter：MDrafter 的角色，这是一个较小的专家 LM，专门用于理解检索到的文档，并生成答案草稿和理由。通过指令调整训练 MDrafter，使其能够生成与问题和文档一致的草稿和理由。
多视角抽样：为减少生成答案草稿时的文档子集的冗余并增强多样性，采用了多视角抽样策略。使用基于指令感知的嵌入模型和 K-Means 聚类算法对文档进行聚类，然后从每个聚类中随机抽取一个文档形成一个子集。
RAG 起草：运行 MDrafter 处理多个文档子集，并生成相应的答案草稿。每个草稿都是基于检索结果中的多种视角生成的。
MDrafter指令微调：
理由生成：对于每个三元组（Q, A, D），利用一个较强的语言模型来自动合成理由（E）。理由是从文档中提取的关键信息，用于简明地解释为什么答案是对问题合理的。
指令调整（Instruction Tuning）：将理由E与原始的三元组数据结合，形成增强的四元组（Q, A, D, E）。然后，使用这些增强的数据对预训练的语言模型进行微调，使其学习如何基于问题和文档生成合理的理由和答案草稿。
通用 RAG Verifier：MVerifier 的角色，这是一个通用 LM，用于评估由 RAG drafter 生成的草稿和理由，以筛选出不太可靠的草稿并选择最佳答案。MVerifier 利用其语言建模能力对草稿-理由对进行排名和选择。
评分方法：MVerifier使用自洽性分数（self-consistency score）和自反性分数（self-reflection score）来评估答案草稿和理由的质量。这些分数是基于语言模型的概率计算得到的，不需要额外的训练数据。
效率：由于MVerifier使用的是已经预训练好的模型，因此在实际应用中可以快速部署，不需要等待长时间的训练过程。
Speculative RAG在TriviaQA、MuSiQue、PubHealth和ARC-Challenge等四个基准测试中实现了最先进的性能，降低了延迟，比Self-Reflective RAG 、Corrective RAG、Standard RAG效果都要好。
在TriviaQA、MuSiQue、PubHealth和ARC-Challenge（ARC-C）上的检索增强型生成结果。(∗当单独使用RAG起草器时，使用其生成概率ρDraft作为选择草稿的置信度分数；†表示Asai等人（2023年）报告的数字；−表示原始论文没有报告的数字或不适用的数字；‡使用Mistral7B或Mixtral8x7B作为RAG验证器，并分别表示为MVerifier-7B或MVerifier-8x7B。)
标准RAG（使用张量并行的Mixtral-Instruct 8x7B）与推测性RAG（MVerifier-8x7B + MDrafter-7B）在TriviaQA、MuSiQue、PubHealth和ARC-Challenge上延迟分析。标准RAG和推测性RAG之间的延迟差异用红色突出显示（+x%）。TP表示运行标准RAG时Mixtral-Instruct 8x7B的张量并行大小。由于检索到的文档长度不同，不同数据集上的延迟有所变化。推测性RAG并行编码检索到的文档，并使用较小的RAG起草器生成答案草稿。这显著提高了标准RAG的效率。
https://arxiv.org/abs/2407.08223Speculative RAG: Enhancing Retrieval Augmented Generation through Drafting
