混合策略实现 doc-doc 对称检索局限性与失败案例

对于 doc-doc 类型的检索，虽然在语义空间上保持了一致，但是在 query->doc 的过程中，受限于各种因素，仍然可能产生错误信息。

第一个场景是在 query 没有足够上下文时，HyDE 容易误解对应的词，从而产生错误的信息。

例如提问 Bel 是什么？，在没有执行 HyDE 混合策略而是直接查询得到答案如下：

Bel 是由 Paul Graham 在四年的时间里（2015年3月26日至2019年10月12日），用 Arc 语言编写的一种编程语言。它基于 John McCarthy 最初的 Lisp，但添加了额外的功能。它是一个以代码形式表达的规范，旨在成为计算的形式化模型，是图灵机的一种替代方案。

但是执行 HyDE 混合策略生成假设性 doc 如下：

Bel 是 Paul Graham 的化名，他是这段信息背后的作者，当时需要种子资金以维持生活，并且参与了一项交易，后来成为 Y Combinator 模式的典范。

在这个例子中，HyDE 在没有文档上下文的情况下错误地解释了 Bel，这会导致完全检索不到相关的文档信息。
资料推荐

• 💡大模型中转API推荐
• ✨中转使用教程
• ✨模型优惠查询

第二个场景是一些 开放式的查询，HyDE 可能会产生偏见，例如提问 作者会如何评价艺术与工程的区别？，无需转换 query 即可得到正确的响应回答：

作者可能会说，艺术和工程是两种需要不同技能和方法的学科。艺术更注重表达和创造力，而工程更专注于解决问题和技术知识。作者还暗示，艺术学校并不总是提供与工程学校同等水平的严谨性，绘画学生常常被鼓励发展个性化风格，而不是学习绘画的基础知识。此外，作者可能会指出，工程学相比艺术能提供更多的财务稳定性，正如作者自己创业初期需要种子资金来生活的经历所证明的那样。

在使用HyDE混合策略 转换 query 时，生成的 doc 如下：

作者可能会说，艺术比工程更持久和独立。他们提到，今天编写的软件几十年后就会过时，系统工作也不会长久。相比之下，他们指出绘画可以保留数百年，而且作为艺术家是可以谋生的。他们还提到，作为艺术家，你可以真正独立，不需要老板或研究资金。此外，他们指出艺术可以成为收入来源，适合那些无法接触传统就业形式的人，比如例子中的模特，能够通过为当地古董商建模和制作赝品而谋生。

总的来说，HyDE 是一个无监督的方法，可以帮助 RAG 提高效果。但是因为它不完全依赖于 embedding 而是强调问题的答案和查找内容的相似性，也存在一定的局限性。比如如果 LLM 无法理解用户问题，自然不会产生最佳结果，也可能导致错误增加。因此，需要根据场景决定是否选用此方法。
资料推荐

• 💡大模型中转API推荐
• ✨中转使用教程
• ✨模型优惠查询