HyDE 假设文档检索的原理与效果评估
哪些公司问过
答案要点
- 问题短且模糊时,与文档在向量空间差距大,直接检索效果差
- HyDE:LLM 先生成假设答案文档,再用其向量检索真实文档
- 原理:假设文档虽可能不准确,但在形式和语义上更接近相关文档
- 优势:补全模糊提问语义,零样本、无需标注数据
- 局限:增加延迟和成本,生成偏题会误导检索;常与原始问题检索结果融合
易错点
- 以为 HyDE 用假设文档的内容来回答:它只用于检索,最终答案仍基于真实文档
- 在模型完全不熟悉的领域使用,生成内容偏题导致召回变差
- 所有查询都走 HyDE,忽略简单精确查询不需要它
面试官常见追问
- 如果生成的代码片段质量不好,怎么衡量它对检索的影响?
- HyDE 和查询改写有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。