詳細解釋
HyDE（Hypothetical Document Embeddings，假設文檔嵌入）是一種檢索增強生成 (RAG)查詢改寫技術，將問題轉換為假設答案文檔，再用該文檔的嵌入進行檢索，解決查詢-文檔語義差距問題。
核心思想：
- 問題：用戶問題和答案文檔的語義空間不同
- 觀察：答案文檔與其他答案文檔更相似
- 方法：LLM生成假設答案 → 嵌入假設答案 → 用嵌入檢索真實文檔
工作流程：
- 用戶輸入查詢（如「如何訓練LLM？」）
- LLM生成假設答案（無需真實知識，只需合理格式）
- 編碼假設答案為向量嵌入
- 用此嵌入在向量數據庫中檢索相似的真實文檔
- 檢索到的文檔用於最終回答生成
優勢：
- 語義對齊：將查詢轉換到與文檔相同的語義空間
- 零樣本學習：無需訓練，直接使用
- 性能提升：通常優於直接查詢嵌入
- 查詢理解：LLM先「理解」問題意圖
局限：
- 依賴LLM質量：假設答案質量影響檢索
- 成本：需要額外LLM調用
- 延遲：增加生成假設答案的時間
- 錯誤傳播：假設答案錯誤可能導致檢索偏差
與查詢擴展的對比：
- 查詢擴展：添加相關詞彙到查詢
- HyDE：生成完整答案文檔
- HyDE通常效果更強
應用場景：
- 文檔檢索：複雜問題的精準檢索
- 知識問答：專業領域的問答系統
- 客戶支持：基於文檔的客服機器人
- 法律檢索：案例和法規檢索
實現：
HyDE是提升RAG檢索質量的有效技巧。