RAGにおいて取得された情報と事前知識が矛盾しても、情報に説得力があるときLLMは受け入れる

LLMには、基本的に内蔵された知識に依存するという課題があります。そこで、外部情報の検索でこの問題を解決しようとする試み（RAG）があります。しかし、外部情報とモデル自身が持つ知識に矛盾がある場合、LLMは柔軟に対応できるのでしょうか？研究者らはこの点について網羅的に調査しました。結果、LLMは一見矛盾した振る舞いを見せることがわかりました。

背景

LLMは、膨大な知識を備えていますが、知識が不正確だったり、情報が古くなるといったケースもあり、それが問題になると指摘されています。

そこで、外部情報との連携が注目されています。 一般にRAG（Retrieval-Augmented Generation）と呼ばれるシステムです。ただし、外部情報がLLMの持つ知識と矛盾するケース（以降、これを「対立知識」と呼びます）は避けられません。そんなとき何が起こるのかを理解する必要があります。

そこで研究者らは、LLMが「対立知識」に直面した時の振る舞いについて調査を行いました。

この調査の難しさは、「対立知識」をどう準備するかにありました。工夫が足らないとLLMが容易に矛盾に気づく可能性があります。

そこで本研究では、LLMの知識を明確に引き出し、それに対立する情報を用意する手法が新たに提案されています。以下の点を検証しました。

1. 外部情報同士が矛盾する「対立知識」が提示された場合、LLMは受け入れるのか？
2. 元々の知識と「対立知識」の両方が提示された場合、LLMはどう判断するのか？

以下では、実験結果をかなり詳細に見ていきます。