HyDE
Hypothetical Document Embeddings — una técnica de recuperación en la que primero se le pide a un LLM que genere una "respuesta ideal" inventada a la pregunta, y luego se busca con el embedding de esa respuesta en lugar del de la pregunta. La idea: una respuesta hipotética se parece más a los documentos reales que la propia pregunta.
El problema: una pregunta corta ("¿Cómo funciona la fotosíntesis?") y un documento de respuesta detallado se ven distintos en el espacio de embeddings (una brecha de vocabulario y de forma) → el embedding de la pregunta no siempre encaja bien. HyDE hace que el modelo genere una respuesta hipotética (aunque contenga errores — eso importa menos), la convierte en embedding, y usa ese vector para la búsqueda. Como la respuesta hipotética está redactada como un documento real, cae más cerca de las respuestas genuinas en el espacio vectorial → mejores resultados, sobre todo en escenarios zero-shot. La contrapartida: un paso extra de generación (latencia y coste) y puede confundir si el modelo no sabe nada del tema. Una de varias técnicas de transformación de consultas. Relacionado con la expansión de consultas y el modelo de embeddings.