「发票」——检索框里只有这两个字。向量召回的三条结果分别是税务 FAQ、开票字段说明和报销制度,每条都沾边,却没一条答对。这类短查询,先补全意图,还是先靠关键词倒排缩小范围?
题目
「发票」——检索框里只有这两个字。向量召回的三条结果分别是税务 FAQ、开票字段说明和报销制度,每条都沾边,却没一条答对。这类短查询,先补全意图,还是先靠关键词倒排缩小范围?
参考答案
点击展开参考答案
- 先用词面/稀疏倒排按文档类型收束候选,同时用会话上下文或一次澄清补意图;不要让两个字的稠密向量自己消歧。
- 短查询落在「发票」主题的中央,近邻什么类型都有,纯向量 top-k 会均匀地错。
- 有上一轮技能或筛选就先拼进 query 再 embed;没有就 hybrid,并把制度/开票/报销拆开给用户或路由,比把 k 加大更有效。
- 两个汉字的信息量不够固定到单一文档类型,双塔输出的是该词的原型向量,库里所有发票 chunk 都在附近,排序被文档长度、中心性套话绑架,总论性质的制度往往更「像」这个词。
- HyDE(先让生成模型写一段假想答案再 embed)能把向量推离中心,但会引入幻觉主题且多一跳延迟,只能作为并行一路,不能当第一步。