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。
「召回+重排序」找到 3 条内容
按专题浏览 →匹配题目：在RAG系统中，为什么通常采用两阶段检索（召回+重排序）而不是直接使用重排序模型进行检索？这样的架构设计有什么优缺点？
匹配正文：…：局部更新导致向量空间密度不均，近邻搜索出现"断层" 缓解策略 策略 核心思路 适用场景 版本隔离 新旧文档分索引存储，检索时多路召回+重排序融合 模型升级、大规模更新 渐进式重嵌入 设定阈值触发全量重计算（如30%文档更新），期间双索引并行 高频小批量更新 分布对齐约束 增量文档用旧模型编码后，经线性变换对齐到新空间 必须混存、资源受限 时间戳加权 检索分数引入时间衰减因子，降低旧文档优先级 时效性敏感场景 工程实践要点 灰度验证：新文档先写入影子索引，对比线上检索TOP-…
匹配正文：…Rerank 分块策略 平衡粒度与语义 递归切分、语义切分、Agentic切分 三、核心挑战 检索精度：语义鸿沟导致召不准，需多路召回+重排序 上下文瓶颈：长文档超出窗口，需摘要压缩或层级索引 知识时效性：静态索引难更新，需增量索引+版本管理 幻觉与归因：模型不看检索内容瞎编，需强制引用溯源 多跳推理：复杂问题需多次检索，引入ReAct/ToT等Agent架构 实际落地中，检索质量决定RAG上限，建议先做检索评测（Recall@K、MRR）再优化生成。
学习内容与项目面试，在同一条路上。