Retrieval hybrydowy
Retrieval hybrydowy łączy semantyczny vector search z leksykalnym keyword search, aby pobierać istotne fragmenty. Vector search wychwytuje znaczenie i parafrazę, keyword search wychwytuje dokładne terminy i identyfikatory, a krok fusion łączy oba zbiory wyników, aby nie zgubić ani precyzyjnych tokenów, ani dopasowań pojęciowych.
Synonimy: wyszukiwanie hybrydowe, dense-sparse retrieval, vector plus keyword search, fusion retrieval
Retrieval hybrydowy uznaje, że żaden pojedynczy sygnał retrieval nie wystarcza do jakości produkcyjnej. Gęste embeddingi wektorowe świetnie radzą sobie z podobieństwem pojęciowym, ale rozmywają dokładne identyfikatory; rzadkie metody leksykalne trafiają w precyzyjne tokeny, ale ignorują znaczenie. Uruchomienie obu i połączenie rankingów poprawia recall bez poświęcania precyzji, co ma znaczenie, gdy odpowiedź musi być ugruntowana dokładnie we właściwym fragmencie. Przebieg rerankingu po połączonych kandydatach wyostrza potem końcowy kontekst przekazywany modelowi.