HyDE يستخدم مستندا افتراضيا وسيطا في البحث، ولا يعامل هذا النص كأنه وثيقة حقيقية. الفكرة أن ينشأ نص قريب من شكل المادة المطلوبة، ثم يستعمل تمثيله للعثور على مواد فعلية. يحتاج القارئ إلى معرفة الفرق بين الوسيط المولد والمصدر الذي قرئ قبل الإجابة. [1]
الخلاصة السريعة
تعامل مع النص الافتراضي كوسيط بحث قد يتضمن تفاصيل غير صحيحة. اربط الجواب بالمواد الحقيقية التي وصلت وفحصتها، ولا تجعل تشابهها بالوسيط تصديقا لكل ما اخترعه أو إحالة إلى مصدر لم يوجد.
- تولد ورقة HyDE مستندا غير حقيقي ثم ترمزه للبحث عن وثائق فعلية؛ تنص على إمكان وجود تفاصيل خاطئة فيه، ونتائجها تخص إعدادها. [1]
- ميز وسيط البحث من الدليل: اسم زخرفة أو عدد تخيله الوسيط لا يعد معلومة قرأناها من فهرس حقيقي.
- راجع الوثيقة المسترجعة وهوية الفهرس والبطاقة وفقا للسؤال الأصلي؛ تشابه موضوعها مع النص الافتراضي لا يثبت تفاصيله أو صلتها الكاملة.
- إن لم تسند المواد الجواب، صرح بحدوده؛ لا تعرض الوسيط كمرجع ولا تعد الترميز ضمانا لإزالة كل خطأ.
كيف يستعمل النص الذي لم يؤخذ من مصدر؟
تقدم ورقة HyDE مستندا افتراضيا يولده نموذج لغوي، وقد يحتوي تفاصيل زائفة، ثم يرمزه إلى متجه للبحث عن وثائق حقيقية شبيهة. تجاربها تخص مهاما ولغات وأنظمة درستها، ولا تثبت أن كل تفصيل خاطئ سيزول في أي تطبيق. [1]
للتوضيح نكتب سؤالا عن زخارف مطبوعة على بطاقات معرض متخيل: «أي زخرفة تتضمن هلالين؟». ونصا افتراضيا من إعدادنا: «زخرفة المرفأ تضم هلالين وثلاث نجوم». لم نولد هذا النص بأداة HyDE؛ كتبناه ليشبه وصفا في فهرس، مع تفاصيل لا نملك سندا لها.
ما الذي لا يصبح دليلا بمجرد توليده؟
اسم المرفأ وعدد النجوم والهلالين في النص الافتراضي ليست معلومات قرأناها من فهرس. يمكن أن يساعد شكل الوصف على توضيح نوع المادة التي يبحث عنها المسار، لكن لا يجوز كتابة «بحسب فهرس المرفأ» إذا لم توجد لدينا وثيقة بهذا الاسم.
احتفظ بتمييز ظاهر في المراجعة بين السؤال والنص المولد والمادة المسترجعة. وإذا حفظ التطبيق وسيط البحث مع السجلات، فلا يجعل وجوده في السجل مصدر معرفة جديدا. نحن نشرح وظيفة النص في المسار، ولا نقترح أن يجيب المستخدم النهائي به قبل قراءة مادة فعلية.
كيف نقرأ مادة وصلت بعد البحث؟
نفترض أن فهرسا حقيقيا في عالم المثال وصف زخرفة «أفق» بأنها هلالان ونجمة واحدة. هذا النص يمكن أن يسند اسم أفق للسؤال المحدد، إذا ثبتت هوية الفهرس والبطاقة المقصودة. لا نضيف النجمتين الأخريين من الوسيط لمجرد أنه قريب في الموضوع.
أما وثيقة عن زخرفة بنجمة دون وصف الهلالين فلا تحسم السؤال وحدها. نقابل الفقرة بالسؤال الأصلي، لا بمهمة إثبات صحة النص المتخيل. الأدلة هنا افتراضات مكتوبة للمقال؛ لم نبحث في فهرس فعلي أو نقارن قوائم استرجاع بين الطريقتين.
ما حدود الجواب حين لا نجد سندا؟
إذا لم تصل مادة تبين الزخرفة المطلوبة، نصرح بأن المواد التي راجعناها لا تحسم اسمها. لا نملأ الفراغ بالمرفأ الذي اخترعناه في البداية، ولا ننشئ رابطا له كي يبدو الجواب مدعوما. ويمكن إعادة البحث أو طلب توضيح المجال إذا كان ذلك مفيدا ومتاحا.
وتذكر أن وجود مرجع حقيقي في الرد لا يصحح كل ادعاء سبقه في وسيط البحث. لكل معلومة في جوابنا ما يسندها وحدودها. المقال يوضح فكرة HyDE ووظيفة المستند الافتراضي، ويترك تدريب المرمز والتقييم التقني خارج نطاقه؛ لم ننفذ الطريقة أو ندع تحسنا مقاسا في العربية.
المصادر ومتابعة القراءة
- Gao et al: Precise Zero-Shot Dense Retrieval without Relevance Labels (HyDE) (يفتح في نافذة جديدة)arxiv.org
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.