paper：https://arxiv.org/pdf/2212.10496

code：https://github.com/texttron/hyde

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。

模型结构如下图所示，HyDE将密集检索分解为两个任务，即 instruction-following的LM生成任务和对比编码器执行的文档相似性任务。

unsetunset实现unsetunset

https://github.com/gomate-community/GoMate/blob/main/gomate/modules/rewriter/hyde_rewriter.py

import pandas as pd

from tqdm import tqdm

import os

from gomate.modules.generator.llm import GLMChat

from gomate.modules.retrieval.dense_retriever import DenseRetriever, DenseRetrieverConfig

from gomate.modules.rewriter.base import BaseRewriter

from gomate.modules.rewriter.promptor import Promptor

from gomate.modules.document.common_parser import CommonParser



class HydeRewriter(BaseRewriter):

    def __init__(self, promptor, generator, retriever):

        self.promptor = promptor

        self.generator = generator

        self.retriever = retriever



    def prompt(self, query):

        return self.promptor.build_prompt(query)



    def rewrite(self, query):

        prompt = self.promptor.build_prompt(query)

        hypothesis_document, _ = self.generator.chat(prompt, llm_only=True)

        return hypothesis_document



    def retrieve(self, query, top_k=5):

        hypothesis_document = self.rewrite(query)

        hits = self.retriever.retrieve(hypothesis_document, top_k=top_k)

        return {'hypothesis_document': hypothesis_document, 'retrieve_result': hits}

检索效果对比：