【IR 论文】Google 对通过 prompt LLM 做 Query Expansion 的工作

论文：Query Expansion by Prompting Large Language Models
⭐⭐⭐
Google Research, arxiv:2305.03653

论文速读

之前我在论文笔记 Query2doc 中介绍了信息检索（IR）以及 Query Expansion 的相关背景知识。

本篇文章是 Google 发表的关于对 LLM 进行 prompt 来做 Query Expansion 的论文，所采取的思路与 Query2doc 相似，但侧重点不同。

论文的思路如下：

可以看到，也是把 user query 带上 prompt 输入给 LLM，然后拼接 user query 和 LLM 响应得到 Query Expansion 的结果，将其输入给 Retrieval System 来完成检索。

其中“concat”这个拼接过程，也是为了提高 user query 的权重，把 user query 重复了 5 遍再与 LLM response 拼接，做法与 Query2doc 十分相似：