#HyDE

4 篇

BIT.UA at BioASQ 14B: Modular Retrieval with pg_textsearch and Qdrant, and Agent-Based Answer Generation

BIT.UA 在 BioASQ 14B：模块化检索与 Agent 共识答案生成

🧭 多Agent共识生成 · 模块化RAG检索

IEETA/DETI, LASI, University of Aveiro, Aveiro, Portugal · IT, University of Aveiro, Aveiro, Portugal · Aalborg University Business School, Aalborg, Denmark

将 PostgreSQL BM25、Qdrant 稠密检索与多 Agent 辩论共识机制引入生物医学问答，取得竞争性 MAP 排名

📌 工作参考价值（4 点）

混合检索架构模块化拆分：BM25 倒排用 PostgreSQL pg_textsearch，稠密向量单独用 Qdrant GPU 索引，各自独立扩展与调优；电商搜索/推荐可以借鉴这种拆分，避免绑定单一检索引擎，降低替换成本。
HyDE 做 query 扩展：用 LLM 生成假设性文档再检索，缓解 query 与文档词汇不匹配问题；在电商搜索 query 改写或长尾词召回中，可尝试 HyDE 生成伪商品描述，提升稀疏召回覆盖。
Reranker 训练负采样用 dense retrieval 挖掘难负例：比随机负样本更能提升排序模型判别力；推荐精排阶段的负样本采样可以参照，用当前召回模型检索难负例。
多 Agent 共识生成机制：多个不同 prompt 的 agent 辩论并迭代收敛，配合 adaptive document retention 保留相关文档，可迁移到商品推荐理由生成、搜索结果摘要或客服问答，提升生成一致性与事实性。

Agent | 2026-09-04 | cs.CL | score 6/10

Every Article Deserves a Video: Contextual Video Matching for Digital Publishers

每篇文章都值得一个视频：数字出版商的上下文视频匹配

🧭 基于 LLM 与文本嵌入的文章-视频匹配

Dailymotion

用 LLM 与文本嵌入为文章自动匹配相关视频，已在 Dailymotion 生产环境规模化落地

📌 工作参考价值（4 点）

可借鉴 HyDE 思路：用 LLM 把长文本商品描述/文章页面改写成搜索式 query 或假设段落，再做向量召回，比直接拿原文 embedding 更可控，适合电商详情页与短视频/直播切片匹配。
两阶段匹配架构：先文本 embedding 粗召回，再用 LLM 做相关性校验或重排，能低成本扩展到千万级 SKU 与视频库；线上可异步处理新文章/新商品。
把“文章到视频”看成跨模态配对任务，不需要用户行为数据，冷启动友好；在广告落地页与创意素材匹配、SEO 内容推荐等场景可直接复用。
生产部署需缓存 LLM 生成结果、对同义视频做 embedding 预计算，降低推理成本和延迟；与现有推荐链路解耦，作为内容侧增强模块上线。

RecSys | 2026-08-28 | cs.IR | score 7/10

LLM Video Recommendation Text Embeddings HyDE Content Matching Production System

CoHyDE: Iterative Co-Training of LLM Rewriter & Dense Encoder for Tool Retrieval

CoHyDE：密集编码器与LLM改写器的迭代联合训练用于工具检索

🧭 Agent工具检索 · 联合训练编码器与HyDE改写器 ★ 深度解读

SAP Labs

通过多轮交替更新，让编码器和LLM改写器在检索任务中协同进化，解决查询与API目录的词汇鸿沟

📌 工作参考价值（4 点）

联合训练改写器与编码器：在电商搜索或Agent工具检索中，可借鉴交替迭代的训练范式，用检索分数直接指导改写器优化，使查询描述与商品/工具表示空间对齐，缓解词汇不匹配问题。
DPO以检索效果为奖励信号：无需外部标注，直接使用编码器的NDCG分数构建偏好对训练改写器，实现端到端的闭环优化，可应用于生成式推荐中的查询改写或商品描述生成。
预热与风格适配：先独立训练编码器（用真实查询-物品对）和改写器（用物品目录多格式文本），再进入联合循环，可快速获得领域适应能力，降低冷启动成本。
多轮协同进化：逐步增加轮次可稳定提升跨分布能力，尤其适合电商搜索中口语化查询与商品标题之间的语义对齐，模糊查询改善显著（+6.3pp NDCG@5）。

Agent | 2026-05-27 | HF Daily | score 9/10

Tool Retrieval Co-Training DPO HyDE InfoNCE BGE

The Coverage Illusion: From Pre-retrieval Routing Failure to Post-retrieval Cascades in a Production RAG System

覆盖幻觉：生产RAG系统中预检索路由失败与检索后级联

🧭 RAG查询增强与检索后级联优化 ★ 深度解读

Aarhus University, Denmark

合成查询高估LLM增强需求 72.2%真实查询仅靠混合检索即可，检索后级联无需训练提质量降延迟

📌 工作参考价值（4 点）

电商/推荐系统RAG评估务必使用真实查询，合成查询会严重高估复杂增强（如HyDE）的必要性，造成算力浪费与高延迟
实体密集型索引（如商品目录）中，最佳策略是 cheapest-first 检索后级联：先用 BM25+向量混合检索，无结果时再递进调用 LLM 增强，大幅降低推理成本
预检索路由（基于查询文本预测是否需要增强）在以上场景几乎无效，因为增强需求取决于索引内容而非查询本身，has_sources 布尔检查比任何 ML 路由都简洁有效
LLM-as-judge 评估应以覆盖率为主要质量信号，而非回答本身，可据此设计延迟优化：检索落空才触发增强，避免昂贵模型滥用

RAG | 2026-05-26 | cs.IR | score 8/10

Coverage Illusion Retrieval Cascade Query Routing HyDE Production RAG LLM Augmentation