混合检索与倒数排名融合：为什么多路召回能提升 RAG 检索质量？
本文以企业知识库问答为场景，解释向量检索与BM25在词汇与语义匹配上的互补性，剖析倒数排名融合（RRF）的数学原理与参数敏感性，对比其与重排序（Rerank）的差异，并讨论在RAG流水线中的部署位置与性能开销。
#BM25
共 3 篇文章
RAG-Fusion 与混合检索：多路召回如何通过倒数排名融合提升检索质量？
以企业知识库问答为场景，解释 RAG-Fusion 如何结合向量检索与 BM25 等多路召回，通过倒数排名融合（RRF）合并结果，并对比重排序（Rerank）的差异。分析 RRF 的数学原理、参数敏感性（k 值）、融合策略对召回率和精度的影响，讨论在 RAG 流水线中的部署位置与性能开销。
上下文文档嵌入：Anthropic 的上下文检索如何提升 RAG 检索相关性
本文以法律文档检索为场景，分析 Anthropic 提出的上下文检索（Contextual Retrieval）如何通过为每个文本块生成包含文档上下文的嵌入来改善检索相关性，对比传统分块嵌入，讨论预处理成本与延迟。