完整题目
请详细阐述BM25算法的原理，完整列出其评分公式并解释各参数含义，对比其相较于TF-IDF在信息检索中的核心改进（如长度归一化、词频饱和度处理等），并说明其在RAG系统中作为稀疏检索方法的优势与应用价值。
本文目录
BM25 评分
常用 Okapi BM25 形式为：
score(D,Q)=Σ IDF(q) × f(q,D)(k1+1) / [f(q,D)+k1(1-b+b|D|/avgdl)]
其中 f(q,D) 是词频，|D| 与 avgdl 是当前文档和语料平均长度，k1 控制词频饱和速度，b 控制长度归一化强度。IDF 有多种实现；原始概率形式可写为 log((N-n+0.5)/(n+0.5))，也有 log(1+(N-n+0.5)/(n+0.5)) 等非负变体。回答时应说明所用检索引擎的定义，不能把一种实现当成唯一公式。
相比基础 TF-IDF
- BM25 的词频项会饱和，同一词继续出现时边际增益下降；
- 长度归一化由 b 显式控制，而不是对所有长文档固定扣分；
- 基础 TF-IDF 常用线性词频，但 TF-IDF 也有对数 TF、向量归一化等变体，不能笼统说它完全不处理长度。
k1、b 的默认值只是起点。分词、字段权重、停用词、IDF 变体和语料长度分布都会改变最佳设置，应以 MRR、NDCG、Recall@K 和业务查询集调参。
BM25 对术语、实体、编号和错误码的词面匹配强；但查询与文档没有共享词项时得分可能为零，也不等于能处理所有 OOV。它常与稠密召回取并集，再经 RRF、分数校准或重排融合。
图解
