大模型落地难点之结构化输出

news2024/9/23 21:25:36

应用至上

2023年的世界人工智能大会（WAIC）是“百模大战”，今年WAIC的关键词是“应用至上”。纵观今年论坛热点话题，无论是具身智能还是AI Agent（智能体），都指向以大模型为代表的AI技术在不同场景下的垂直应用。

在这里插入图片描述

从模型输出看大模型应用的两种范式：

输出非结构化数据：问答机器人，智能客服，或者另一个大模型的上游输入，都属于这种范式。技术架构是（领域）大模型+RAG，对输出格式没有要求。

输出结构化数据：当需要把大模型嵌入到工作流中（尤其是原有的工作流），就需要大模型和原工作组件进行交互，在这种情况下，我们期望大模型的输出是结构化数据(Json)。

如何输出json

我们需要在prompt里面提示大模型，具体的提示词类似于：

Wrap the output in json tags. The output should be formatted as a JSON instance that conforms to the JSON schema below. As an example, for the schema {“properties”: {“foo”: {“title”: “Foo”, “description”: “a list of strings”, “type”: “array”, “items”: {“type”: “string”}}}, “required”: [“foo”]} the object {“foo”: [“bar”, “baz”]} is a well-formatted instance of the schema. The object {“properties”: {“foo”: [“bar”, “baz”]}} is not well-formatted. Here is the output schema:

OpenAI的json输出

去年的 DevDay 上，OpenAI 引入了JSON Schema，这是一项为开发者量身定做的工具，旨在帮助他们构建更为可靠的应用程序。尽管 JSON Schema 提高了模型生成有效 JSON 输出的准确性，但它并不保证响应能够完全符合特定的 schema 规范。为了克服这一限制，OpenAI 进一步推出了API的结构化输出特性，确保模型的输出能够精确匹配开发者所提供的 JSON Schema。

将非结构化输入转化为结构化数据是大模型（LLMs）的关键应用之一。开发者们利用 OpenAI API 构建出功能强大的智能助手，这些助手能够通过函数调用来获取数据、回答问题、提取结构化数据进行数据录入，以及构建多步骤的代理工作流程，从而让LLMs能够执行实际任务。

过去，开发者们通过使用开源工具、精心设计的提示以及不断尝试不同的请求，来解决LLMs在结构化数据生成方面的局限，确保模型的输出能够与他们的系统无缝对接。

现在，结构化输出功能通过强制模型遵循开发者指定的模式，并通过对模型进行更深入的复杂模式理解训练，有效地解决了这些问题。

Corner/Edge Case

考虑边缘情况的重要性：

边缘情况的考虑是确保系统鲁棒性的关键。在LeetCode等编程挑战中，全面性是区分优秀解决方案与普通方案的分水岭。同样，在将大型模型集成到工作流程中时，我们必须预见并处理所有可能的异常情况。

大型模型的概率本质：

尽管大型模型可能拥有高达99.99%的准确率，但概率论告诉我们，随着运行次数的增加，即使是极小的失败几率也会导致失败的发生。在一万次的运行中，至少有一次失败是不可避免的。

对大型模型输出的期望：

在我们的应用场景中，我们依赖大型模型提供符合预定义JSON Schema的输出。任何与预期不符的返回结果都可能导致工作流程的中断，影响整体的稳定性和效率。

错误的类型：

错误的类型可能多样，我们要主要关注以下几种情况：

JSON的合法性问题：非法的JSON结构可能导致解析错误，影响数据的进一步处理；
JSON层级问题：大型模型有时可能会在没有明确指示的情况下增加或减少嵌套层级，这会破坏预期的数据结构；
JSON key的问题：key的结果不符合约定，或者在value缺失的情况下，相应的key也可能意外地消失；
JSON key-value对应错误：当key相似时，可能会出现key-value错配的情况，即value被错误地关联到了错误的key上。

解决方案：

这些情况都有可能让工作流失败，所以一个好的方式是在给出结果前reflection下，保险的方式是做些校验

reflection：在模型输出前，我们可以通过reflection的方式，检查模型输出的结构，确保其符合预期的JSON Schema；这种方式适合对时延要求不高的场景；
Hard code校验：在模型输出后，我们可以通过校验的方式，检查模型输出的结构，确保其符合预期的JSON Schema；这种方式适合对时延要求较高的场景。

在这里插入图片描述