HE混合策略实现对称检索优化.pdfVIP

01.HyDE混合策略

面的中，学习的优化策略都是将对应的查询生成新查询，通过新查询来执行相应的检

索，但是在数据库中的数据一般都是文档层面的，数据会远远比查询要大多，所以query

和doc之间是不对称检索，能找到的相似性文档相对来说也比较少。

例如：**今天回家的看到了美丽的风景，非常开心！想学习python该？**这

个请求中，前面的风景、开心等均为无关信息，会对的请求学习python产生干

扰。如果直接搜索用户的请求，可能会产生不正确或无法回答的LLM响应。因此，有必要

使得用户查询的语义空间与文档的语义空间保持一致。

特别是query和对应的相关内答案）可能存在弱相关性，导致难以找到最相关的文档

内容。

在这篇《PreciseZero‑ShotDenseRetrievalwithoutRelevanceLabels》中提出了

一个HyDE混合策略的概念，首先利用LLM将问题转换为回答问题的假设性文档/假回答，

然后使用嵌入的假设性文档去检索文档，前提是因为doc‑doc这个模式执行相似性

搜索可以尝试的匹配项。

地址:

[!IMPORTANT]

假回答和真回答虽然可能存在错误