HyDE
Hypothetical Document Embeddings — technika wyszukiwania, w której LLM najpierw generuje zmyśloną „idealną odpowiedź" na pytanie, a potem szuka się po jej embeddingu zamiast po embeddingu pytania. Pomysł: hipotetyczna odpowiedź jest bardziej podobna do prawdziwych dokumentów niż samo pytanie.
Problem: krótkie pytanie („Jak działa fotosynteza?") i obszerny dokument z odpowiedzią wyglądają w przestrzeni embeddingów inaczej (różnica słownictwa i formy), więc embedding pytania nie zawsze dobrze pasuje. W HyDE model generuje hipotetyczną odpowiedź (nawet z błędami — to mniej ważne), osadza ją i używa tego wektora do wyszukiwania. Ponieważ jest sformułowana jak prawdziwy dokument, ląduje bliżej autentycznych odpowiedzi → lepsze trafienia, zwłaszcza w ustawieniach zero-shot. Koszt: dodatkowy krok generowania (opóźnienie/koszt), a gdy temat jest modelowi zupełnie nieznany, może wprowadzić w błąd. Jedna z technik transformacji zapytań, spokrewniona z rozszerzaniem zapytań i modelem embeddingów.