待验证50% 置信事实精确时间
Query2doc 通过生成短段落、HyDE 通过生成假设性文档来实现基于 LLM 的查询扩展
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证多查询检索使用LLM针对同一问题自动生成3-5个语义等价但表述各异的变体查询，分别检索后取并集以提升召回率67% 相似待验证该流水线分为四步：诉状上传、LexSelect逐页解析、AI语义抽取、案件自动创建并写入数据库66% 相似待验证模块化问卷设计通过压缩必答题至最短路径同时保留可选扩展模块，是兼顾数据质量与样本代表性的常见解法65% 相似待验证SQL注入可以通过参数化查询从根本上隔离数据与指令，而LLM推理过程目前没有等效的「参数化」方案65% 相似待验证Advanced RAG在检索前引入Query Rewriting（查询改写）和HyDE（假设性文档嵌入）优化查询质量，在检索后通过Cross-Encoder重排序和上下文压缩提升相关性64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1002093API
curl https://kongchang.com/api/v1/knowledge/claims/1002093MCP
get_claim(id=1002093)