您的功能请求是否与问题相关？请描述。

我想能够使用元信息来为TransformerReader或FARMReader提供上下文，以类似的方式提高回答问题的性能，就像我们可以使用embed_meta_fields来提高EmbeddingRetrievers的性能一样。有时需要元信息来区分相似的文档。
我们的多个客户都面临过这个问题，因为他们从许多法律PDF文件中检索信息，这些文件中有很多样板文本，通常在60页的PDF文件开头定义公司名称等事物。

描述您希望的解决方案

作为动力，我想通过一个示例来说明，在查询时将文档的元信息添加到Reader中会带来什么好处。假设我有两个具有相似结构和相似信息的文档，但涉及两个不同的公司：
文档1(来自pear_llc_contract.pdf)

# meta info
meta = {"additional_context": "This passage is about the company Pear, from the year 2020."}

# content of Document
Company ID: 312521124141
Deal amount: 100k
Two leading organizations have joined forces in a groundbreaking partnership that promises to revolutionize their respective industries. The agreement, which was finalized after months of negotiations, will see the companies collaborate on a range of exciting initiatives that will benefit both parties and their customers.

文档2(来自rainforest_contract.pdf)

# meta info
meta = {"additional_context": "This passage is about the company Rainforest, from the year 2019."}

# content of Document
Company ID: 847584923
Deal amount: 60k
The deal is expected to generate significant benefits for both companies, including increased revenue, improved operational efficiency, and enhanced customer experience. It is also expected to create new jobs and stimulate economic growth in the regions where the companies operate.

我想问问题 "Pear LLC的公司ID是多少？"然而，文档内容中没有任何地方指定参与交易的公司名称。因此，如果将这两个文档提供给FARMReader,我应该得到正确答案的50/50几率。
然而，如果我可以指定一个新的变量(例如embed_meta_fields,就像我们可以为EmbeddingRetrievers使用的那样)

reader = ExtractiveReader(model="deepset/deberta-v3-large-squad2", embed_meta_fields=["additional_context"])

那么FARMReader将拥有回答问题的必要上下文。

附加背景

• 这与我们如何使用PromptTemplates为PromptNode提供上下文类似。而且，在PromptTemplates中，我们已经可以使用特殊的变量将文档中的元信息添加到提示中。我认为将其扩展到提取式阅读器仍然非常有益，因为Sol仍然对提取式模型感兴趣。
• 然而，一个区别是，我们应该考虑是否阻止ExtractiveReader将additional_context作为答案返回，因为additional_context不会出现在返回给用户的文档中。