መጠይቅ እንደገና መጻፍ እና ባለብዙ-ጥያቄ ሰርስሮ ማውጣት

የመልሶ ማግኛ ጥራት በጥያቄው ላይ በእጅጉ የተመካ ነው። ተጠቃሚዎች አጭር፣ አሻሚ ወይም የውይይት ጥያቄዎችን ይጽፋሉ፣ ሰነዶች ግን የራሳቸውን የቃላት ዝርዝር ይጠቀማሉ። የጥያቄ ለውጥ ፍለጋ ከመከሰቱ በፊት ክፍተቱን ይዘጋል። በጣም ቀላሉ ቅፅ እንደገና መፃፍ ነው፡ LLM የተጠቃሚውን መልእክት ወደ ግልጽ የፍለጋ መጠይቅ ይለውጠዋል። እንደ "እና በ 2023?" የመሳሰሉ ክትትሎች ባሉበት ባለብዙ ዙር ውይይት ውስጥ ይህ አስፈላጊ ነው. ያለ ታሪክ ምንም ማለት አይደለም፣ ስለዚህ ስርዓቱ ውይይቱን ወደ ገለልተኛ መጠይቅ ያጠግባል። መበስበስ ውስብስብ ጥያቄን ወደ ንዑስ-ጥያቄዎች ይከፍላል, ይህም ለብቻው ሊወጣ ይችላል, ለማነፃፀር ወይም ለብዙ-ሆፕ ጥያቄዎች ይጠቅማል. እ.ኤ.አ. በ2023 በGoogle DeepMind ተመራማሪዎች የተገለፀው የኋሊት መነሳሳት በመጀመሪያ የበስተጀርባ መርሆዎችን ለማምጣት የበለጠ አጠቃላይ ጥያቄ ይጠይቃል። የባለብዙ መጠይቅ ሰርስሮ ማውጣት የጥያቄውን በርካታ ልዩነቶች ያመነጫል፣ ለእያንዳንዱ ፍለጋ ያካሂዳል እና ውጤቶቹን ያዋህዳል። LangChain ይህን በMultiQueryRetriever ታዋቂ አድርጎታል። RAG-Fusion በርካታ መጠይቆችን ከተገላቢጦሽ የደረጃ ውህድ (RRF) ጋር አጣምሮ በ2009 Cormack፣ Clarke እና Buetcher የተገለጸው ዘዴ፣ ይህም እያንዳንዱን ሰነድ በውጤት ዝርዝሮች ውስጥ 1/(k + ደረጃ) በማጠቃለል ያስመዝናል። በብዙ ዝርዝሮች ውስጥ ከፍ ያሉ የሚመስሉ ሰነዶች ተመጣጣኝ ጥሬ ነጥብ ሳያስፈልጋቸው ወደ ላይ ይወጣሉ። ተዛማጅ ቴክኒክ, HyDE (መላምታዊ ሰነድ Embeddings, Gao እና ባልደረቦች, 2022), ሞዴሉ መላምታዊ መልስ ጽፏል እና ጥያቄ ምትክ ያንን መክተቻ አለው, መልስ-ቅርጽ ጽሑፍ ብዙውን ጊዜ ቦታ በመክተት ውስጥ እውነተኛ መልስ ምንባቦች ጋር ተቀምጧል ምክንያቱም. የተሳሳቱ አመለካከቶች፡ ብዙ ጥያቄዎች ሁልጊዜ የተሻሉ አይደሉም። እያንዳንዱ ልዩነት መዘግየትን እና ወጪን ይጨምራል፣ እና በደንብ ያልተፈጠሩ ተለዋጮች ከተጠቃሚው ሃሳብ ይንቀሳቀሳሉ፣ ተዛማጅ ያልሆኑ ሰነዶችን ይጎትቱታል። እንደገና መፃፍ እንደ ቀኖች ወይም የምርት ስሞች ያሉ አስፈላጊ ገደቦችን ሊጥል ይችላል። እነዚህን እርምጃዎች ከመውሰድዎ በፊት የማስታወስ ችሎታን ይለኩ እና በእውነተኛ ጥያቄዎች ላይ ጥራትን ይመልሱ።