待验证50% 置信观点精确时间
查询扩展、HyDE和拼写归一化在查询侧往往比更换嵌入模型更有效。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
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75% 相似待验证查询改写（Query Rewriting）解决的是用户提问口语化、指代不明的问题，常用手段包括用大模型把问题重写成更利于检索的表述、把单轮提问扩展为多个相关子问题，以及基于历史对话补全上下文。74% 相似待验证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70% 相似待验证不同的对话代理会采用差异化的复杂查询策略来拆解、改写、组合搜索关键词69% 相似待验证查询改写（query rewriting）可将Agent的自然语言推理片段转化为搜索引擎友好的格式，从而提升召回率68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1021927API
curl https://kongchang.com/api/v1/knowledge/claims/1021927MCP
get_claim(id=1021927)