本次介绍一篇来自Google的paper：<Speculative RAG: Enhancing Retrieval Augmented Generation through Drafting>，提出一个Speculative RAG方法，其核心思路是采用投机生成多个草稿方式来增强RAG任务。对比其他RAG框架，其流程图如下：
核心思路：
1）先用比较小的模型作为the RAG drafter，其目的是用召回的部分片段并行来为query（Q）生成多个草稿结果（由答案+理由构成）；
2）接着用比较大的模型作为the RAG verifier，其目的是对上步生成的多个草稿结果进行评估，选择一个分数最高的结果作为最终的生成的结果，完成RAG整体流程。
核心模块：
（1）RAG drafter的训练
为了训练RAG drafter模型，论文中先利用一个更强的大模型（Gemini-Ultra）生成关于answer对应的理由，
将原始数据集triplet (Q, A, D)变成（Q,A,D,E），其中Q为query，A为answer，D为检索的相关document，E为生成的理由rationale。基于新的数据，通过指令微调方式，训练一个P(A,E|Q,A)模型，即为M_drafter。下面为生成理由的指令形式。
（2）Multi-Perspective Sampling
对于一个query，召回n个相关的文档，文中是将这n个文档先聚类，然后从每个簇中选一个文档，来组成一个小集合（m个）来输入到M_drafter来生成对应的答案与理由。为了达到这个目的，提出了多样化的采样方式，具体为：
下图为在生成多个文档小集合后，利用M_drafter生成对应的答案（reponse）和理由（rationale）对应的指令。
（3）Generalist RAG Verifier
文中是选择一个通用大模型，不需要做为微调训练，作为一个打分的模型（RAG Verifier）。打分涉及三个评分函数：
该分数可以由M_drafter在生成理由+答案时计算出来。
其中R代表一个反问句（“Do you think the rationale supports the answer, yes or no?），表示生成的理由支撑答案的分数（也为回答yes的概率）。
后面两种评估分数，是由RAG Verifier（M_verifier）模型来计算，计算逻辑是，将
以上就是Speculative RAG整理思路，因为在生成的过程中，采用一个小些模型来并行去生成草稿答案，然后再用一个大模型对草稿进行选择，这跟投机解码（Speculative decode）有点类似。
看下主要实验效果：
显示：
1）文中提出Speculative RAG方法，在4个数据集上，对比其他RAG方法（self-RAG，corrective-RAG，standard RAG）取得最佳结果；
2）对比其他最好结果，Speculative RAG在PubHealth数据集有近4个点提升，在ARC-C数据集上诱超过5个点的提升；
3）Speculative RAG框架中，M_drafter、M_verifier两个模型结合起来使用效果更好，且M_drafter的mode size更大，效果也更好。
4）当Speculative RAG只有M_drafter模块时，效果也是接近其他最好结果；当两个模块共用一个7b模型时，也是取此佳的效果。
上图是Speculative RAG框架中各个环节消融实验，显示：1）多样化采样文档是有效的，大约有1-2个点提升；2）验证模型打分时很重要，能带来5个点的提升；
总结一下：分享了一个类似投机解码方式的RAG框架：Speculative RAG。核心想法是：先用一个小些模型并行为query生成多个答案，然后再用一大模型选择一个最佳答案最为最终结果。个人觉得有点类似投票方式的集成算法。其中有几个问题：1）在利用Q+A+D数据来生成理由数据时，存在有些噪声，因为不能保证召回的文档D就存在可以支撑A的理由信息；2）在Speculative RAG过程，M_drafter生成的多个草稿的质量很重要的，因为如果里面没有正确答案，后续怎么打分都是错的，这是打分选择机制决定的。针对这个问题，是不是可以利用之前的信息，让M_drafter重新生成下结果，这样起到修复的作用。
