做了两路召回，一路用BM25找字面匹配，一路用向量找语义相近。接下来怎么排？你可能会写下一个很自然的公式：BM25占一半，向量占一半，两路分数加起来，取前几名。
面试官追问：“为什么各占一半？”你说希望兼顾关键词和语义。再追问：“BM25给50分，向量给0.9分，这两个一半，实际贡献一样吗？”这时，权重选择还没开始，分数可比性就已经成了问题。
它像两个裁判，一个拿米尺，一个拿温度计。工具读数都能写成数字，但不能因为各乘0.5，就认为可以放到同一张成绩单上。检索分数当然不是米或摄氏度，这个类比强调的是：不同机制产生的数值，缺少天然统一的解释。
训练营企业级RAG项目把混合召回列在检索链路中。要把这一步讲清楚，先不用搬出很长的架构图。固定两张候选名单，改一次分数尺度，就能看见直接相加到底依赖什么。
把向量分数乘十，第一名换了
我做了一组人工候选。BM25一路依次是A、B、C、D，分数分别为50、49、2、1；向量一路依次是B、C、E、A，分数分别为0.95、0.90、0.60、0.50。这些顺序和数字都是手工给定，用来检查融合运算。
每路只取去重后的四条，同一个候选用统一标识合并，两路并集是A到E共五条，最后输出前三条。同路重复出现的候选只保留最高分，不让一条内容在同一路重复投票。所有方法接收完全相同的两张名单。
直接等权相加时，A得到25.25，B得到24.975，A排在前面。BM25里两者相差1分，乘一半以后相差0.5；向量里B领先0.45，乘一半后只追回0.225。公式写着各一半，数值尺度却让前一路的差距占了上风。
接着只做一个改动：把向量路的全部输出分数乘十。B仍然排第一，C仍然排第二，E和A的位置也没变；BM25一路完全不动。没有加入新候选，也没有让某条证据变得更相关。
融合结果却翻了过来。A变成27.5，B变成29.25，第一名换成B。这个改动只改变一路分数的数值表示，直接相加的排名就随之改变。它说明当前公式依赖分数尺度，不能单凭“权重都是0.5”解释两路贡献。
这里把分数乘十，是一个受控探针，不是重新计算余弦相似度。真实引擎返回的是相似度还是距离、是否越大越好，都要先确认。连排序方向都没有对齐时，加权结果更谈不上可解释。
当然，也可以缩小向量路的权重，抵消这次放大。但这恰好说明，原始权重与分数尺度绑在一起。脱离分数定义，单独说“关键词占七成，语义占三成”，并没有交代实际偏好。更换模型或改了打分接口后，即使权重文件没动，融合行为也可能需要重新检查。
压到同一区间，还没校准相关性
一个容易实现的处理，是分别在各路当前候选里做Min-Max：减去本路最小值，再除以最大值与最小值的差。这样，每路最低分变成0，最高分变成1，然后再按相同权重相加。
在这组输入中，B的BM25归一化分接近0.98，向量归一化分为1，融合后排第一。把向量原分乘十后，最大值、最小值和差值同时放大，归一化结果保持不变，融合排名也保持不变。脚本检查了所有候选的融合分，不只检查第一名。
这解决了本次正比例缩放带来的变化，却没有证明两个0.8代表同样的相关性。Min-Max只是把当前列表的端点对齐。某一路的第一名即使很差，也会得到1；另一路即使整体都不错，最后一名仍会得到0。
