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。
「RAG 混合检索」找到 174 条内容
按专题浏览 →匹配正文：…（国内首选） 模型 特点 适用场景 BGE (智源) 中文SOTA，多尺寸（large/base/small），支持指令微调 通用RAG、需要高性价比的场景 GTE (阿里) 长文本支持好（8K），中文效果优秀 长文档检索、法律文书 M3E (开源社区) 轻量、易部署，适合资源受限环境 边缘部署、快速验证 BCEmbedding (网易) 双语对齐好，跨语言检索强 中英混合场景 2. 国际主流模型 OpenAI text-embedding-3/ada-002：效果稳定，AP…
匹配口述回答：…NSW]] 这种 [[ANN]] 索引，才能在百万级数据里快速找到最近邻。如果模型选错了，或者索引参数没调好，召回质量会明显下降，RAG 的上限就卡在检索这一步。 所以我会把 Embedding 看成语义检索的基石，但不会认为它万能。真正落地时，我倾向把 Embedding 和关键词检索结合起来做[[混合检索]]，这样既能抓到语义，又能保证精确匹配，比如订单号、错误码这些场景。 如果面试官追问，我会说：Embedding 的另一个难点是处理同义词和多义词。比如“苹果”既可以是…
匹配正文：…SEO作弊 公平对待长短文档：技术文档vs短回答都能合理竞争 参数可解释调优：k_1/b可根据领域数据优化（如新闻vs论文库） 在RAG中，BM25常与向量检索混合使用（如Elasticsearch + 向量DB），利用其精确匹配优势弥补语义检索的模糊性问题。 学习建议 建议系统学习该知识点
学习内容与项目面试，在同一条路上。