LLM（Large Language Models）、すなわち大規模言語モデルは、外部知識にアクセスできるようにすることでその性能を向上させることができます。その鍵を握るのはRAG、つまりRetrieval Augmented Generationのプロセスです。
これは一連の手順、ユーザーのクエリからテキストを数値のベクトルに変換する埋め込みモデル、そして検索結果をもとに答えを生成するLLMから成り立っています。
ところが、検索に不備があると、正しい文書を見つけられず、適切な回答を生成することができません。
特に問題なのは、ユーザーのクエリが文法やつづりに不完全な短い質問であり、対応する文書が情報を含むよく書かれた長文である場合です。
この難題を解決するために提案されたのがHyDEです。この技術により、検索ステップが強化され、LLMの可能性が広がることは間違いありません。
出典 : How to Use HyDE for Better LLM RAG Retrieval https://towardsdatascience.com/how-to-use-hyde-for-better-llm-rag-retrieval-a0aa5d0e23e8
