页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「重排」找到 340 条内容
按专题浏览 →匹配口述回答：…，先用 [[IVF]] 快速筛出一个候选集，比如 Top-200，然后用精确距离计算或者 [[Cross-Encoder]] [[重排]]到 Top-10。这一步很关键，能有效提升最终结果的相关性。另外，查询扩展也是个好手段，比如用HyDE先生成假设文档再检索，但它可能偏题，是否更准应做消融并计入额外延迟与成本。 模型和计算层面，我重点做两件事。一个是 [[Embedding]] 量化，裸向量每维FP32、FP16、INT8分别是4、2、1字节，不能把总索引内存都按这个比例折…
匹配口述回答：…用于精排，粗粒度用于生成。 具体说，检索阶段用小的chunk，比如200 token，保证召回的每个片段都精准、噪音少，这样 [[Rerank]] 的时候效率也高。但生成阶段，如果只给大模型一个200 token的片段，它可能缺少背景信息，答非所问。所以我通常会同时把包含这个小chunk的[[父文档]]或者更大范围的上下文也带上，比如用 Parent Document 的方式，让大模型有足够的上下文去生成答案。这样既保住了检索的精确度，又保证了生成的完整性。 落地时我倾向一套…
匹配口述回答：…很少用。真正落地时，很少只用一种算法，例如Faiss的IVF-HNSW组合可用HNSW搜索粗聚类中心，再扫描选中的倒排桶；若对候选重排，应明确使用精确距离或Cross-Encoder，不能把HNSW粗量化器说成候选精排。 参数调优是另一个容易踩坑的地方。以HNSW为例，M参数控制邻居数，一般设16到64，M越大召回越高，但内存和构建时间也涨；efConstruction设100到500，影响建图质量。IVF的nlist与nprobe联合扫描，4倍根号N只能作某些配置的起点，不…
按学习路线查看教程、项目和面试题。