面试题 · 模型微调
搜索「重排」匹配到口述回答，相关段落已展开。查看匹配内容 ↓
在向量检索系统中，有哪些技术和方法可以保证检索结果的准确性和相关性？
| 召回方式 |
|---|
按学习路线查看教程、项目和面试题。
| 适用场景 |
|---|
| 向量召回 | 语义相似，理解用户意图 |
| 关键词/BM25 | 精确匹配，保证核心词命中 |
| 倒排索引 | 结构化属性过滤（价格、距离等） |
| 图召回 | 用户行为相似推荐 |
场景切入
假设你在做电商搜索，用户搜“红色连衣裙”，向量召回出来一堆语义相关的，但有些根本不是红色，有些是短裙。你怎么保证返回的结果既准确又相关？
层层追问
向量检索怎么让结果更准？……除了调模型，还有什么办法？……召回后怎么保证排序符合用户意图？
直球架构
在一个向量检索系统中，有哪些关键技术和策略能提升检索结果的准确性和相关性？从模型、召回、排序到查询优化，你整体怎么设计？
这道题问的是怎么让向量检索系统既准又相关，其实本质是在解决一个矛盾：用户想要的到底是语义上的相似，还是字面上的精确匹配。这两个东西有时候是冲突的，你要做的是在不同场景下找到平衡点，而不是追求单一指标的最优。
具体来说，我一般从几个层面去考虑。先说最基础的 [[Embedding]] 层。模型选型很重要，通用场景用 BGE 或者 M3E 这类通用模型就够了，但如果是垂直领域，比如电商客服场景里用户问‘退款多久到账’，通用模型可能把‘退款’和‘退货’混在一起，这时候就得用业务数据做对比学习微调，缩小语义鸿沟。不过这里有个前提：你的标注数据质量得过关，不然微调反而会带偏。
再一个就是召回策略。我倾向于走 [[混合检索]]，就是向量召回和 [[BM25]] 关键词召回一起上。向量召回擅长理解意图，比如用户说‘想找个便宜点的火锅店’，它能找到语义相似的店；但用户如果明确说‘海底捞’，关键词召回就能保证精确命中。这两条路各有适用场景，落地上我一般会加权融合，权重根据业务数据调。比如在订单检索场景里，用户输入‘2024年3月15号的订单’，关键词匹配订单号或者日期就比语义相似重要得多，我会把关键词召回权重调高。
有了候选集之后，下一步是[[重排序]]。粗排阶段用向量相似度快速筛出 Top-K，精排阶段再用 [[Cross-Encoder]] 这种交互式模型去算 query 和每个文档的相关性分数。这个步骤很关键，因为 [[Bi-Encoder]] 的向量相似度有时候会漏掉一些细微的匹配，比如‘苹果手机’和‘iPhone’在向量空间里可能很近，但‘苹果’和‘水果’也可能很近，Cross-Encoder 能更好地做区分。不过它的计算成本高，所以只能用在精排阶段，对候选集大小有限制，一般几百条以内。
还有一个容易被忽略的点是查询侧优化。用户输入的 query 往往很随意，比如‘火锅’可能想找‘重庆火锅’或者‘老北京涮肉’，这时候做查询改写，扩写同义词、纠错、补全意图，就能显著提升召回率。另外，如果 query 里带有结构化约束，比如‘附近’、‘100块以内’，我会在查询理解阶段把它抽出来做前置过滤，而不是全扔给向量检索。
说到查询改写，这里面其实有个坑：如果改写太激进，比如把‘手机’扩写成‘智能手机、移动电话、手持设备’，反而可能引入噪声，拉低精度。所以我会先做意图分类，对模糊 query 才做改写，对精确 query 尽量保持原样。这个度怎么把握，其实是挺值得细聊的。
最后，整个系统上线后一定要有评估和迭代的闭环。离线指标我会看 Recall@K 和 NDCG，在线通过 AB 实验看点击率和转化率。更重要的是建立 Badcase 分析机制，比如用户搜‘充电宝’返回了‘充电器’，这种案例回流回来，可能发现是 Embedding 模型没区分好，或者重排序模型没学到这个模式，然后针对性优化。
所以整体上，我更倾向于把向量检索系统看作一个组合工程，而不是单个模型的比拼。混合检索搭骨架，重排序做精调，查询改写做入口优化，再加上持续的评估迭代，这样才能在真实业务里跑得稳。