一種用雙編碼器把「問題」與「文件段落」轉成向量
並用向量相似度來找相關內容的檢索方法

方法

• Query Encoder：把「問題」編碼成向量
• Passage Encoder：把「文件段落」編碼成向量
• 相似度計算：通常使用 inner product / cosine similarity
• 取 Top-k：找出最相關的段落

兩個 encoder 通常是 BERT 類模型，但參數不共享（dual encoder）

Contrastive Learning (對比學習) 訓練：

• 正樣本：正確段落
• 負樣本：不相關段落
• 目標：
  • 讓 query ⬌ 正確 passage 向量距離更近
  • 讓 query ⬌ 錯誤 passage 距離更遠

DPR = 用深度模型做「語意導向」文件檢索的雙編碼器方法，是現代 RAG, Retrieval-Augmented Generation 系統的核心技術之一