GenAudit：帮用户根据输入证据对LLM生成内容进行事实检查

　　近年来，随着人工智能(AI)和主要是生成式AI领域的进展，已经展示了大型语言模型(LLMs)生成文本以响应输入或提示的能力。这些模型能够像人类一样生成文本，回答问题，总结长篇文本段落等。然而，即使在访问参考资料之后，它们也不完美，可能会产生错误。这样的错误可能会在银行业或医疗保健等重要应用中产生严重后果。

　　为了解决这个问题，一组研究人员最近提出了GENAUDIT，这是一种专门用于帮助核查基于文档基础的LLM回复的工具。GENAUDIT的功能是通过建议对语言模型生成的响应进行更改来发挥作用。它突出显示参考文档中不符合要求的陈述，并建议对响应进行更改或删除。它还提供了来自参考文本的证据，以支持LLM的事实陈述。

　　为了构建GENAUDIT，已经训练了专门设计用于执行这些任务的模型。这些模型已经被教导从参考文档中提取证据以支持事实陈述，识别不支持的主张，并推荐合适的修改。GENAUDIT具有交互式界面，可帮助进行决策和用户交互。借助此界面，用户可以检查和批准推荐的调整和支持文件。

　　团队表示，已经通过人工评估对GENAUDIT进行了深入评估，评估人员通过检查它在多个类别中的表现来评估其性能，查看它在总结文件时如何准确识别LLM输出中的缺陷。评估结果表明，GENAUDIT能够准确地识别出来自八种不同LLM的输出中的缺陷，涵盖了多个领域。

　　为了优化GENAUDIT的错误检测性能，团队建议了一种技术，该技术在减少精度损失的同时最大化错误召回率。该策略确保系统在保持准确性水平基本不变的同时，能够检测到大部分的故障。

　　团队总结了他们的主要贡献如下:

　　1.引入了GENAUDIT，这是一种支持基于文档的任务中的事实核查语言模型输出的工具。该工具突出显示了LLM生成的内容中陈述的支持数据，找出了缺陷，并提供了解决方案。

　　2.评估并提供了用于事实核查的后端模型的优化LLMs。这些版本在少量数据条件下性能相当，尤其是与最先进的专有LLMs相比。

　　3.对GENAUDIT在检查来自三个不同领域的文件的八种不同LLM生成的摘要中存在的错误的有效性进行了评估。

　　4.介绍并评估了一种在解码时间使用的技术，旨在通过牺牲精度的微小降低来提高错误检测召回率。这种方法在保持整体准确性的同时增强了错误检测的能力。

　　GENAUDIT是一款优秀的工具，有助于改善具有强大文档基础的任务中的事实核查程序，并提高LLM生成的信息在重要应用中的可靠性。