用 LLM 提问代替黑盒嵌入：可解释向量检索新玩法

burny_tech · x · 2026-09-27

Kieran Klaassen 分享一个思路：不用嵌入模型输出 1536 个无意义的数字，而是让 LLM（Jev）对每个文档提问，把答案变成向量。例如邮件「我被重复扣费了」得到 [iscustomer, urgent, aboutbilling, needsreply] = [1.0, 0.9, 1.0, 1.0]，而新闻通讯接近全 0；检索时用老派余弦相似度查询「客户计费问题」即可精准命中。

Delip Rao 补充：可以更进一步，把这种可解释嵌入当作目标向量去学习一个模型来直接产出——他们 2023 年关于 stylometry 的论文就是这么做的，效果很好，如今 Jev 让它对任何内容都容易实现。