我要投稿

RAG的基石：大语言模型文本向量化能力对比

发布日期：2024-08-08 06:16:07 浏览次数： 1662

什么是具象的高维向量空间？也许这是一个，在不同的平行空间里面，对不同的物体有各自的表示...

一、概述

大家都比较关心大语言模型的能力，但往往容易忽略其向量化（Embedding）的能力。在RAG应用中，对文本进行向量化后再计算向量相似度，如余弦相似度，是文本检索生成的基础和前置环节。如果向量不准确，必定会影响相似度计算，进一步影响招回和重排，甚至知识抽取等下游任务，影响甚大。因而我们需要认真来对待其结果，并且对其正确性和合理性进行评价。

本中对一些简单的文本对，使用不同的开源7B大语言模型来进行向量化，最终以其余弦相似度作为输出作为测试结果。语义的相似度如何进行评价很难达成一致意见，就下面的输出结果而言，可能人很难来评价其合理性。但我们可以通过比较不同大语言模型输出之间的差异，对比分析其文本向量化的能力、跨模型一致性和偏差。

先直接贴结果：

图：不同大语言模型对字符串对向量相似度比较

可以看出，不同的大语言模型，对同一对字符串向量相似度的理解存在较大的差异。我第一次看到结果时感觉有点惊讶。

我现在还没有理出头绪，但显然其中部分大语言模型的输出是不合理的，并且有的输出和其他大语言模型的输出存在较大的偏离，很显然，如果其中一个是正确的情况，那其他就是偏离甚至错误的情况。比如同一组词的相似度，不同大语言模型的输出范围包括从负值到0.7以上。

二、评测对象

Baichuan2-7B-Chat
CodeLlama-7B
Mistral-7B
Chinese-Alpaca-2-7B
Llama 2 7b
Chinese-Llama-2
WizardLM-2-7B
Qwen1.5-7B
Meta-Llama-3-8B
WizardMath-7B
Mixtral-8x7B
Yi-chat-9B
WizardMath-7B-V1.1-Mistral-7B

三、测试方法

用LlamaSharp用，以Embedding模式加载大语言模型，实现文本向量化：

// Load weights into memoryvar parameters = new ModelParams(RootPath){Seed = 1337u,EmbeddingMode = true};
var weight = LLamaWeights.LoadFromFile(parameters);var embedding = new LLamaEmbedder(weight, parameters);

四、评测结果

1、爱好比较

我喜欢看电视，不喜欢看电影。
我不喜欢看电视，也不喜欢看电影。

序号

大语言模型

余弦相似度

Mistral-7B

0.9194595217704773

WizardMath-7B-V1.1-Mistral-7B

0.9722315669059753

WizardMath-7B

0.9659444093704224

WizardLM-2-7B

0.9000769257545471

Meta-Llama-3-8B

0.9120883941650391

Chinese-Llama-2

0.9997099041938782

Qwen1.5-7B

0.8777709603309631

Llama 2 7b

0.9997739791870117

Yi-chat-9B

0.9656155109405518

Chinese-Alpaca-2-7B

0.9418708682060242

Baichuan2-7B-Chat

0.7609831690788269

CodeLlama-7B

0.9805717468261719

Mixtral-8x7B

0.9723657369613647

2、下班注意事项

下班离开办公室之前要把门窗关好
公司管理规定

序号

大语言模型

余弦相似度

Mistral-7B

0.6006873250007629

Chinese-Alpaca-2-7B

0.5809993743896484

Mixtral-8x7B

0.8583651185035706

WizardMath-7B

0.5944302678108215

Qwen1.5-7B

0.5158098340034485

Meta-Llama-3-8B

0.5567445755004883

WizardMath-7B-V1.1-Mistral-7B

0.606997549533844

Llama 2 7b

0.5725998282432556

Yi-chat-9B

0.6222318410873413

CodeLlama-7B

0.7767068147659302

Baichuan2-7B-Chat

0.4148940443992615

Chinese-Llama-2

0.4173697233200073

WizardLM-2-7B

0.4826260805130005

3、购买皮鞋

这只皮靴号码大了。那只号码合适。
这只皮靴号码不小，那只更合适。

序号

大语言模型

余弦相似度

WizardMath-7B-V1.1-Mistral-7B

0.9549105763435364

Mixtral-8x7B

0.9740864038467407

Qwen1.5-7B

0.9682160019874573

CodeLlama-7B

0.8389745354652405

Mistral-7B

0.9343295693397522

Chinese-Alpaca-2-7B

0.2915574610233307

Yi-chat-9B

0.9639067053794861

WizardLM-2-7B

0.9335297346115112

WizardMath-7B

0.9227038621902466

Chinese-Llama-2

-0.008517207577824593

Baichuan2-7B-Chat

0.9351896047592163

Meta-Llama-3-8B

0.9342775344848633

Llama 2 7b

0.021673066541552544

4、猫和狗比较

京哈
蓝猫

序号

大语言模型

余弦相似度

WizardLM-2-7B

0.6294927000999451

Meta-Llama-3-8B

0.5248777866363525

Baichuan2-7B-Chat

0.16035179793834686

WizardMath-7B

0.7749522924423218

WizardMath-7B-V1.1-Mistral-7B

0.7058834433555603

Mistral-7B

0.7224012017250061

Chinese-Alpaca-2-7B

0.15339423716068268

CodeLlama-7B

0.5445933938026428

Chinese-Llama-2

0.194538414478302

Qwen1.5-7B

0.5761963129043579

Mixtral-8x7B

0.7579318881034851

Yi-chat-9B

0.5578252673149109

Llama 2 7b

0.44038861989974976

5、Englishvs 汉语

Please buy a cup for me, plus a car.
他让你帮助买什么东西？

序号

大语言模型

余弦相似度

CodeLlama-7B

0.33356600999832153

Baichuan2-7B-Chat

0.57098788022995

Chinese-Alpaca-2-7B

0.11986920237541199

Mixtral-8x7B

-0.30094829201698303

Llama 2 7b

-0.005667471326887608

Mistral-7B

0.10879462957382202

Meta-Llama-3-8B

0.18513920903205872

WizardLM-2-7B

0.0768003985285759

Qwen1.5-7B

0.713830292224884

WizardMath-7B-V1.1-Mistral-7B

0.08147571235895157

WizardMath-7B

0.09978950768709183

Chinese-Llama-2

-0.029241781681776047

Yi-chat-9B

0.43288084864616394

6、English：go home

When will you go home?
I bet i can return to my house at 5pm.

序号

大语言模型

余弦相似度

Qwen1.5-7B

0.6420629024505615

WizardLM-2-7B

0.7205202579498291

Meta-Llama-3-8B

0.6660025715827942

Chinese-Alpaca-2-7B

0.27626731991767883

CodeLlama-7B

0.7119967937469482

Yi-chat-9B

0.791547954082489

WizardMath-7B

0.7313649654388428

Llama 2 7b

-0.04700035974383354

Mistral-7B

0.6904579401016235

Baichuan2-7B-Chat

0.7068948745727539

Mixtral-8x7B

0.9776806831359863

Chinese-Llama-2

-0.027995778247714043

WizardMath-7B-V1.1-Mistral-7B

0.740699052810669

7、处罚规定

在办公室抽烟一次罚款200元
有哪些处罚规定

序号

大语言模型

余弦相似度

Mixtral-8x7B

0.9126697182655334

Mistral-7B

0.7717455625534058

Baichuan2-7B-Chat

0.5083956718444824

Yi-chat-9B

0.7497902512550354

Qwen1.5-7B

0.6885314583778381

CodeLlama-7B

0.47839587926864624

Chinese-Alpaca-2-7B

0.6295954585075378

WizardMath-7B

0.746604323387146

Meta-Llama-3-8B

0.7041338682174683

WizardMath-7B-V1.1-Mistral-7B

0.7953561544418335

Chinese-Llama-2

0.414549857378006

WizardLM-2-7B

0.6535733342170715

Llama 2 7b

0.6160202026367188

8、狗和狗比较

哈士奇
拉布拉多

序号

大语言模型

余弦相似度

Baichuan2-7B-Chat

0.5302562713623047

WizardMath-7B-V1.1-Mistral-7B

0.8843305110931396

Meta-Llama-3-8B

0.7624377012252808

Yi-chat-9B

0.9097429513931274

WizardLM-2-7B

0.7355867624282837

CodeLlama-7B

0.68620365858078

WizardMath-7B

0.8989375829696655

Llama 2 7b

0.7147634029388428

Mixtral-8x7B

0.9531522989273071

Qwen1.5-7B

0.8283199667930603

Mistral-7B

0.8669305443763733

Chinese-Alpaca-2-7B

0.7255567908287048

Chinese-Llama-2

0.6491625905036926

五、评测结果初步分析

不考虑文本内容，相似度数据汇总对比如下？

	爱好比较	下班注意事项	购买皮鞋	猫和狗比较	English vs 汉语	English：go home	处罚规定	狗和狗比较
Baichuan2-7B-Chat	0.760983169	0.414894044	0.935189605	0.160351798	0.57098788	0.706894875	0.508395672	0.530256271
Chinese-Alpaca-2-7B	0.941870868	0.580999374	0.291557461	0.153394237	0.119869202	0.27626732	0.629595459	0.725556791
Chinese-Llama-2	0.999709904	0.417369723	-0.00851721	0.194538414	-0.02924178	-0.02799578	0.414549857	0.649162591
CodeLlama-7B	0.980571747	0.776706815	0.838974535	0.544593394	0.33356601	0.711996794	0.478395879	0.686203659
Llama 2 7b	0.999773979	0.572599828	0.021673067	0.44038862	-0.00566747	-0.04700036	0.616020203	0.714763403
Meta-Llama-3-8B	0.912088394	0.556744576	0.934277534	0.524877787	0.185139209	0.666002572	0.704133868	0.762437701
Mistral-7B	0.919459522	0.600687325	0.934329569	0.722401202	0.10879463	0.69045794	0.771745563	0.866930544
Mixtral-8x7B	0.972365737	0.858365119	0.974086404	0.757931888	-0.30094829	0.977680683	0.912669718	0.953152299
Qwen1.5-7B	0.87777096	0.515809834	0.968216002	0.576196313	0.713830292	0.642062902	0.688531458	0.828319967
WizardLM-2-7B	0.900076926	0.482626081	0.933529735	0.6294927	0.076800399	0.720520258	0.653573334	0.735586762
WizardMath-7B	0.965944409	0.594430268	0.922703862	0.774952292	0.099789508	0.731364965	0.746604323	0.898937583
WizardMath-7B-V1.1-Mistral-7B	0.972231567	0.60699755	0.954910576	0.705883443	0.081475712	0.740699053	0.795356154	0.884330511
Yi-chat-9B	0.965615511	0.622231841	0.963906705	0.557825267	0.432880849	0.791547954	0.749790251	0.909742951

初步分析，可以发现几个情况：

对于同一个字符串对，不同大语言模型的向量化后结果的余弦相似度存在较大的差异，个别模型明显不稳定，不合群；
在将中文和英文进行余弦相似度比较时，结果差异更大，并且在值空间中基本呈均匀分布，是否表现出其跨语言能力存在巨大差异？是否需要翻译后再进行向量相似度计算？
如果波动很大的不同值都具有合理性，那在实战中我们应该采取多个大语言模型并行进行向量化和向量招回的策略吗？将词的向量加到一起得到句子的向量，这种方法合理吗（比如对否定词如何进行准确的向量化语义表达）？
大语言模型为什么在向量化的能力有如此大的差距？是因为其中文能力不够强，或者对一些特殊的词组没有识别能力，从而影响到其准确对文本进行向量化的能力吗？
Llama 2在添加中文语料后，Chinese-Llama-2对相同字符串对的向量相似度的理解上也存在较大差异。这种差异可否作为模型退化的指标？
向量相似度和语义相似度应该存在比较大的差异，应该如何减少这种差异？还是完全利用大语言模型的语义理解能力来生成内容？
如果不同的文本存在确定的语义，是否经过不同的大语言模型向量化后应该有相似的表示？差异的来源在哪？
对不同大语言模型的输出结果，可以画出一个重叠度比较高的区域，见下图红色半透明区域。在这个区域内有大约5个模型相对稳定，各个字符串对的输出比较接近。为什么会出现这种情况？是因为这些大语言模型的能力比较高，已经进化到了一定的程度，还是因为他们在训练的语料上相似？

希望能给你启发。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

GraphRAG：终极 RAG 引擎 - 语义搜索、嵌入、矢量搜索等等！

2024-07-08

微软开源的GraphRAG解读

2024-07-09

RAG框架，都在这了!

2024-06-20

RAGFlow：基于OCR和文档解析的下一代 RAG 引擎

2024-05-05

【文档智能 & RAG】RAG增强之路：增强PDF解析并结构化技术路线方案及思路

2024-07-09

RAG 高效应用指南：Embedding 模型的选择和微调

2024-06-13

下一代 RAG 技术来了！微软正式开源 GraphRAG：大模型行业将迎来新的升级？

2024-07-07

Prompt工程师必备：复旦重磅 | 最佳RAG实践长什么样的？

2024-07-07

源码解读 - 微软GraphRAG框架

2024-07-14

大家都在问

在长上下文LLM的时代，RAG是否仍然必要？

2024-09-20

大模型应用框架解析：RAG、Agent、微调、提示词工程究竟是什么?

2024-09-16

使用千帆完全免费的大模型，去构建Graph RAG，效果如何？

2024-09-12

RAG领域出现技术创新，或将引领AI搜索重大变革？

2024-09-11

大模型分不清 9.9 与 9.11 谁大，那 Embedding 模型呢？

2024-09-10

一文看懂GraphRAG与传统RAG的7大区别及融合方案，你会怎么选择？

2024-09-09

最近爆火的GraphRAG是什么，真的能用于商业应用吗？

2024-09-07

你的工作流程被 AI 颠覆了吗？

2024-09-04

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

1、爱好比较

2、下班注意事项

3、购买皮鞋

4、猫和狗比较

5、Englishvs 汉语

6、English：go home

7、处罚规定

8、狗和狗比较

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

GraphRAG：终极 RAG 引擎 - 语义搜索、嵌入、矢量搜索等等！

微软开源的GraphRAG解读

RAG框架，都在这了!

RAGFlow：基于OCR和文档解析的下一代 RAG 引擎

【文档智能 & RAG】RAG增强之路：增强PDF解析并结构化技术路线方案及思路

RAG 高效应用指南：Embedding 模型的选择和微调

下一代 RAG 技术来了！微软正式开源 GraphRAG：大模型行业将迎来新的升级？

Prompt工程师必备：复旦重磅 | 最佳RAG实践长什么样的？

源码解读 - 微软GraphRAG框架

大家都在问

在长上下文LLM的时代，RAG是否仍然必要？

大模型应用框架解析：RAG、Agent、微调、提示词工程究竟是什么?

使用千帆完全免费的大模型，去构建Graph RAG，效果如何？

RAG领域出现技术创新，或将引领AI搜索重大变革？

大模型分不清 9.9 与 9.11 谁大，那 Embedding 模型呢？

一文看懂GraphRAG与传统RAG的7大区别及融合方案，你会怎么选择？

最近爆火的GraphRAG是什么，真的能用于商业应用吗？

你的工作流程被 AI 颠覆了吗？

热门标签