badcase 定義

首先我們定義什么是大模型的badcase，大模型badcase是指在應用場景中，出現(xiàn)不符合預期的答復。但實際上不符合預期的答復可能多種多樣，原因也各不相同，有沒有什么統(tǒng)一的思路能處理這些badcase呢？

badcase修復思路

首先在處理badcase流程上有個基本的套路，就是發(fā)現(xiàn)問題，總結(jié)規(guī)律，評估影響，設法修復。這個套路如果泛化一點的話，大概就是解決問題的基本思路。

發(fā)現(xiàn)的問題對應著大模型的評估，測試等。基本的發(fā)現(xiàn)問題手段有自動化和非自動化的方式，主要體現(xiàn)在樣本的構(gòu)造過程中。非自動化對應著手工測試，標注錄入，收集用戶反饋等；自動化的方式對應著用戶模擬器，固定測試集推斷等。有了樣本之后，我們進入了第二步，總結(jié)規(guī)律。

解決badcase問題的關鍵在于通過歸類的方式總結(jié)模式和規(guī)律，然后在badcase分布下解決關鍵的幾種特定問題，比如典型的幻覺，復讀機等。在自己具體的應用場景下，往往有不一樣的特殊的要求，比如場景是RAG的應用，會存在檢索知識不符合預期等問題。總結(jié)規(guī)律的方式上可以靠專家經(jīng)驗，對預期之外的結(jié)果進行歸類，并形成明確的可執(zhí)行標準，將標準傳達給標注團隊，進行一定規(guī)模的標注分析。

評估影響對應著兩方面，一個是問題發(fā)生的概率，對應的是步驟二中總結(jié)問題的分布。另一方面是badcase對應的嚴重性，badcase概率乘上badcase嚴重性就是處理問題的優(yōu)先級排序。確定好優(yōu)先級之后，我們就可以按部就班進入第四步，嘗試解決。

修復大模型的badcase，從解決問題的方式分類有兩種，一種是徹底解決，從大模型生成的機理上削減此類問題發(fā)生的概率。另一種是掩蓋問題，不在模型的生成的過程中根本解決，通過手段規(guī)避發(fā)生，事后修復等方法掩蓋問題。

重點是第四步，解決對應問題的badcase，我們對這部分進行展開講解。

實踐解法

首先是機理上解決方法，機理上解決對應著大模型訓練的四個階段，預訓練，sft，對齊，推斷。

屬于預訓練階段的問題大概率是難啃的骨頭，也對應著大模型能力的上限，解決這些問題并讓他生成非兜底的預期答復，基本等同于基座能力的提升，類似gpt3.5提升到gpt4，這也是一種非常通用但是成本非常高，難度非常大的方式。

這類問題典型的比如復讀機，在gpt3.5我們還是比較容易觸發(fā)大模型的復讀機行為，但是在4.0幾乎就看不到了。

除了此類問題，我們?nèi)绻槍δ承﹩栴}有些特定的badcase并不需要提升基座的基礎能力，如安全方面用戶引誘回答政治敏感類問題。那么我們期望的答復可以簡化為兜底的拒絕回答，在sft和對齊階段都有對應的方案。

sft和對齊階段對應方案最簡單直觀的方法就是強化訓練數(shù)據(jù)，讓大模型“記住“更多的這種類型的模式，比如構(gòu)造正確的數(shù)據(jù)進行強化訓練。對應在對齊中，就是使用正例構(gòu)造reward model的正樣本，badcase構(gòu)造負樣本，使用ppo或者dpo等方法強化大模型的認知，這種打補丁的方式對一些模式明顯的問題又一定幫助，但復雜的問題還是無能為力。

在推斷階段可以解決的問題，可以分成兩類，第一類是生成參數(shù)調(diào)整上，第二類是通過prompt層面調(diào)整解決。

生成參數(shù)調(diào)整能一定程度上解決一類特定問題，典型的是復讀機問題等。復讀機問題可以通過生成函數(shù)的多樣性參數(shù)增加多樣性，重復懲罰參數(shù)等后置概率調(diào)整手段一定程度上減輕。當然，復讀機問題的本質(zhì)還是模型訓練的“不夠好”，最好能在數(shù)據(jù)，訓練，對齊全流程上進行優(yōu)化，從根本上解決。

prompt調(diào)整層面對應的典型方案是使用RAG方案對抗幻覺，RAG方案就是承認基座能力的局限性，也不期望短期通過提升基座能力，從根本上解決大模型幻覺問題，而是給模型更多的“參考信息”，讓模型有一定的外部知識儲備。除此之外，RAG還有動態(tài)更新，外部知識增強的能力，在實際應用上有很多價值。

通過cot，tool use等構(gòu)建的agent能力也是承認大模型的局限性，一定程度在prompt上給更多的過程提示，工具調(diào)用參考等，期望大模型通過任務規(guī)劃，調(diào)用外部工具一定程度上彌補模型能力的不足。

此類方案在大家的探索中都已經(jīng)演進成為成熟的落地解決方案。

除了通過各種手段解決badcase，模型直接輸出正確的內(nèi)容之外，還有一種線上更實用的前后置處理方案，這類方案在模型的風控和安全上有典型的應用。

比如，模型上線的前后置風控處理上。前置風控主要面向的內(nèi)容是用戶輸入prompt的檢查上，進行相關的風險評級，可以設定為通過，拒絕回答，通過且增加限制的system prompt等幾種典型策略，確保用戶輸入到大模型的內(nèi)容不會觸發(fā)大模型產(chǎn)生不合規(guī)，不安全的答復。

后置處理主要面向的內(nèi)容是大模型的輸出，確保大模型輸出內(nèi)容送達用戶端的時候保證合規(guī)性。最簡單的方式為檢測大模型輸出內(nèi)容不合規(guī)的時候，對輸出內(nèi)容進行整體替換。通常為了保證大模型的交互體驗，會流式送達用戶端，因此針對大模型輸出內(nèi)容的質(zhì)檢有一定的滯后性，這也是我們在一些產(chǎn)品體驗中流式生成一頓后，會整體覆蓋替換為另一段固定話術的原因。

整體來看，天下沒有免費的午餐，打補丁的方式可以快速解決某類特定的問題，但是想從根本上提高模型能力，應對各種case，又是一個難度和成本都非常高的路徑。

審核編輯：劉清