Azure OpenAIでHyDEを使ったRAGの検索精度向上を目指す！

HyDE 通常、ベクトル検索を行う際には、事前にベクトル化した検索対象の文書と、都度ベクトル化した検索クエリのベクトルとの類似度を計算します。 歴史的に見れば以前は「text-search-davinci-doc-001」「text-search-davinci-query-001」のように、文書とクエリをそれぞれ別々にモデルに入力して埋め込みベクトルを得ていました。このようにモデルを分けることによって「質問」と「回答」といった文脈や文体が異なるような２つのベクトル空間上での類似度を高めるというアプローチです。 一方、現在Azure OpenAIでサポートされている埋め込みモデルである「text-embedding-ada-002」は上記のように用途によってモデルを分ける必要はなく、文書とクエリを同じモデルに入力して埋め込みベクトルを得ることができるとされています。しかし１つのモデルで良く

[misshiki]

“HyDE（Hypothetical Document Embeddings：仮説文書の埋め込み）という手法”