HyDE、UDAPDR（LLM大模型用于信息检索）

最新推荐文章于 2025-02-27 22:24:27 发布

上杉翔二

最新推荐文章于 2025-02-27 22:24:27 发布

阅读量7.5k

点赞数 7

分类专栏：深度学习文章标签：大模型预训练 chatgpt python GPT 信息检索

本文链接：https://blog.csdn.net/qq_39388410/article/details/130817137

版权

本篇博文继续整理LLM在搜索推荐领域的应用，往期文章请往博主主页查看更多。

Precise Zero-Shot Dense Retrieval without Relevance Labels
这篇文章主要做zero-shot场景下的稠密检索，通过借助LLM的力量不需要Relevance Labels，开箱即用。作者提出Hypothetical Document Embeddings (HyDE)方法，即“假设”文档嵌入。具体的做法是通过GPT生成虚构的文档，并使用无监督检索器对其进行编码，并在其嵌入空间中进行搜索，从而不需要任何人工标注数据。