匹配正文：…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…

#美团#BM25#BM25 算法原理

面试题·检索· 美团

BM25 公式与 TF-IDF 对比

匹配正文：BM25核心原理 BM25（Best Match 25）是概率检索框架下的经典算法，核心思想：词频贡献存在饱和效应，文档长度需要归一化。数学公式 score(D,Q) = \sum_{i=1}^{n} IDF(q_i) \cdot \frac{f(q_i,D) \cdot (k_1+1)}{f(q_i,D) + k_1 \cdot (1-b+b\cdot\frac{|D|}{avgdl})} 其中： f(q_i,D)：词项q_i在文档D中的词频 |D|：文档长度，avgdl…

#美团#BM25词频饱和#BM25 公式与 TF-IDF 对比

面试题·检索· 美团

BM25 原理与 TF-IDF 改进点

匹配正文：…\text{avgdl})} 实践中常用非负 IDF 变体，例如 \log(1+(N-n_i+0.5)/(n_i+0.5))；具体公式应与检索引擎实现保持一致。相比基础 TF-IDF 的改进词频饱和：同一词继续出现时，边际增益逐渐减小；k1 越大，通常饱和越慢。长度归一化：b 控制文档长度相对平均长度对得分的影响。b=0 表示不做这部分归一化，b 增大并不等于对所有长文档固定扣同样分数。概率检索框架：BM25 从概率相关性模型演化而来；TF-IDF 也有多种归一化变体…

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#美团#BM25#BM25 算法原理

面试题·检索· 美团

BM25 参数 k1/b 调优

匹配正文：BM25核心原理 BM25（Best Match 25）是概率检索框架下的经典算法，核心思想：词频贡献存在上限，文档长度需要归一化。评分公式 \text{score}(D,Q) = \sum_{i=1}^{n} \text{IDF}(q_i) \cdot \frac{f(q_i,D) \cdot (k_1+1)}{f(q_i,D) + k_1 \cdot (1-b+b\cdot\frac{|D|}{\text{avgdl}})} 三个关键组件： IDF：逆文档频率，惩罚常见…

#美团#BM25长度归一化#BM25 参数 k1/b 调优

面试题·检索· 高德

BM25原理、应用场景及与TF-IDF区别

匹配正文：答案要点理解BM25的核心思想：基于概率检索框架，引入饱和函数控制词频影响掌握BM25的完整数学公式及各参数含义（k1, b）能对比BM25与TF-IDF的优劣（BM25对长文档更友好、有非线性饱和）了解BM25在RAG中的典型应用场景（粗排、混合检索）知道BM25的局限性（语义理解缺失，需配合向量检索）核心思想 BM25（Best Match 25）是基于概率检索框架的改进算法，核心洞察：词频贡献存在饱和效应——一个词出现10次和100次的区分度，远不如出现1次…

#高德#BM25评分公式#BM25 算法原理

项目实战·RAG

第 5 章:检索召回,混合检索(BM25 + 向量)

匹配正文：…# 出现过这个字的文档数 return math.log(1 + (N - n + 0.5) / (n + 0.5)) # 标准 BM25 的 IDF 公式 def bm25(query, doc, k1=1.5, b=0.75): # k1 控饱和速度, b 控长度归一强度 score, dl = 0.0, len(doc) # score 累加分, dl 当前文档长度 for t in tokenize(query): # 逐个看 query 里的字 if t not i…

#RAG#检索#项目实战

面试题·检索· 小红书

BM25 vs 向量检索 vs 混合检索怎么选?

匹配正文：三种检索方法的核心原理 BM25（稀疏检索）基于词频(TF)和逆文档频率(IDF)计算相关性得分公式核心：score = Σ IDF(q_i) * (f(q_i)*(k1+1)) / (f(q_i)+k1*(1-b+b*dl/avgdl)) 本质是精确关键词匹配，对高频词有惩罚，对文档长度做归一化向量检索（稠密检索）用BERT等编码器将查询和文档映射到同一语义空间通过余弦相似度或点积计算语义相关性能捕捉同义词、上下位词等语义关系，如"苹果手机"≈"iPhone" …

#小红书#检索方法对比#BM25 向量检索混合检索

面试题·RAG

RRF 和加权求和怎么选？两路检索分数为何不能直接相加？

匹配正文：…述时，即使文档没有出现完全相同的词，也可能被召回。两路结果取并集，可以扩大候选覆盖，却还没有回答“谁应该排在前面”。如果直接按 BM25 列表在前、向量列表在后，排序偏向第一路；如果轮流抽一条，两个检索器贡献看似相同，却没有处理同一文档同时被两路命中的情况；如果直接把原始分数相加，又会遇到量纲不一致。融合的任务，是把多路候选整理成一张可供后续重排或生成使用的统一列表。它首先服务于“正确证据能否进入有限候选集”，其次才是列表内部顺序。加权求和到底在算什么最直观的融合公式…

#RAG#检索与重排#RRF

项目实战·RAG

RAG 智能问答系统

匹配正文：…教学场景:企业资料为什么不能直接交给大模型假设知识库同时包含条款 PDF、培训 PPT、内部制度 Word 和录播视频。用户问到公式、金额或适用条件时，只让模型凭参数记忆回答，无法证明答案来自哪份资料，也无法稳定处理更新后的规则。本项目用这个教学场景说明 RAG 的核心任务:先找到可核验的原文，再让模型基于证据作答，并在证据不足时明确拒答。这里不预设客户、文档规模或上线效果。继续读完整版 · 第 1 章为什么做 RAG → 技术架构:四大模块 + 两条链路教学实现拆成…

#项目实战#RAG 智能问答系统

求职指南·RAG

混合检索、RRF 与重排项目模拟面试

匹配正文：…信区间是什么？考察重点：核验效果数字是否有定义、基线、样本和可归因证据。 Recall@k、MRR、NDCG 与端到端答案指标的公式和切片同索引、同 query 集和同候选预算下的单路召回基线冻结 query 集、相关性标注、置信区间和实验版本 BM25、向量、RRF 与重排各自贡献的去除实验需要追加追问时：metric_undefined → metrics-proof；baseline_missing → metrics-proof；evaluation_set_…

#模拟面试#简历项目#连续追问

项目实战·RAG

第 1 章:为什么做 RAG?

匹配正文：…和录播视频字幕。如果第一版直接把"这款产品的现金价值怎么算"丢给通用大模型,模型可能给出一套读起来很专业、但在资料里找不到依据的公式。这正是大模型最危险的地方之一:没有依据时,它仍可能生成流畅而笃定的答案。在事实问答里,这样的输出必须被检索、引用和拒答机制约束。这件事用一张图就能说清:直接问模型是"闭卷考试",上了 RAG 是"开卷考试"。闭卷 vs 开卷 3 个核心概念(先白话,再术语) 概念 1:什么是"幻觉"? 幻觉(hallucination),就是模型不知…

#RAG#检索#项目实战

求职指南·求职

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：…erank/混合检索/多路召回怎么补,以及各自的代价先看哪个 RAG 重排章代表题型 "为什么要 rerank""向量召回和 BM25 怎么结合""重排模型怎么选""topK 怎么定" 项目里怎么体现讲你加没加重排、召回从多少提到多少(经验值)、为什么选这个重排方案刷题去重排与优化题库。模型微调(47 题):验证你懂不懂什么时候该微调微调题量不大、门槛偏高,偏算法/研究生侧选修。面试官考它主要看两点:你分不分得清"该 RAG 还是该微调",以及懂不懂 SFT/L…

#求职#职业转型

项目实战·RAG

附录:把这个 RAG 项目写进简历 & 面试应答

匹配正文：…改写成有深度、能打的简历 bullet ✓ 看懂项目经历的四要素(背景 / 架构 / 个人贡献 / 方法论) ✓ 掌握写简历的万能公式:动词 + 技术方案 + 量化指标 ✓ 学会五条事实核验原则,只写自己真正做过且能解释的内容 ✓ 拿到一份完整的项目经历结构,以及高频面试追问清单 ✓ 知道量化指标该怎么准备(用真数,别编) 本章按三段式组织(这是附录,Part 1 是"动手写简历",Part 2 是"面试应答"): 段落给谁看内容占比 🚀 Part 1 · 主线实战 …

#RAG#检索#项目实战

面试题·检索· 美团

混合检索为什么优于单一检索?

匹配正文：… 稀疏检索（Sparse Retrieval）原理：基于倒排索引的关键词匹配，计算query与doc的词项重叠程度。代表方法：BM25 score(D,Q) = Σ IDF(q_i) · [f(q_i,D)·(k1+1)] / [f(q_i,D) + k1·(1-b+b·|D|/avgdl)] IDF：词项区分度 k1/b：控制词频饱和度和文档长度归化特点：可解释性强，对精确匹配场景效果好零成本处理新词（只要词表里有）无法捕捉语义相似性（"苹果手机"≠"iPhon…

#美团#稀疏稠密检索#混合检索策略

面试题·检索· 美团

稀疏稠密与混合检索

匹配正文：稀疏检索（Sparse Retrieval）原理：基于词项空间的高维稀疏向量，经典代表是 BM25 和 TF-IDF。维度 = 词表大小（通常 10万+），向量极度稀疏（大部分为0）相似度度量：词袋匹配 + 词频加权，BM25 公式核心衡量词项与文档的相关性优势：精确匹配能力强、可解释性好、无需训练、对关键词敏感稠密检索（Dense Retrieval）原理：通过编码器（如BERT、双塔模型）将文本压缩为低维稠密向量。维度通常 256-1024，向量稠密相似度…

#美团#稀疏稠密检索#稀疏稠密与混合检索

面经·项目面试

混合检索先过一关：两路分数能直接相加吗？

匹配正文：混合检索先过一关：两路分数能直接相加吗？做了两路召回，一路用BM25找字面匹配，一路用向量找语义相近。接下来怎么排？你可能会写下一个很自然的公式：BM25占一半，向量占一半，两路分数加起来，取前几名。面试官追问：“为什么各占一半？”你说希望兼顾关键词和语义。再追问：“BM25给50分，向量给0.9分，这两个一半，实际贡献一样吗？”这时，权重选择还没开始，分数可比性就已经成了问题。它像两个裁判，一个拿米尺，一个拿温度计。工具读数都能写成数字，但不能因为各乘0.5，就认为可…

#RAG#混合检索#RRF

面试题·RAG· OPPO

查询文档相关性怎么算?

匹配口述回答：…相关性计算不是选一个模型跑分就完事，它是一套级联流水线，不同阶段用不同方法，各有适用边界。先说关键词匹配。别看现在大模型火，[[BM25]] 依然是工业界召回阶段的标配，没有之一。它的核心思想很简单：词频不是越高越好，增长有饱和，用参数 k1 控制；文档越长不一定越相关，用 b 做长度归一化；罕见词比常见词更有区分度，用 IDF 加权。公式我就不背了，但它的好处是确定性强、可解释、延迟极低。在客服退款场景里，用户问“退款多久到账”，BM25 能准确命中“退款到账时间”这个文…

#OPPO#查询文档相关性#语义匹配

面试题·RAG· OPPO

搜索评分如何融合点击与停留?

匹配口述回答：…文本相关性、用户点击行为、还有停留时长这些信号时，怎么把它们揉成一个统一的排序分，而且这个分得能真正上线用。所以我不是从零设计一个公式，而是先搭一个框架。我会把它分成三块。第一块是相关性，这个最直接，用 [[BM25]] 加一个语义相似度，比如 [[Bi-Encoder]] 算出来的向量余弦，然后过一个简单的 MLP 压到 0 到 1 之间。第二块是点击率，但注意，这里有个坑，原始 CTR 是有位置偏置的，排在前面的天然容易点。所以我会用 IPS 或者 EM 做位置去偏，得…

#OPPO#评分函数归一化#Scoring Function 设计

面试题·文档处理· 安克科技

RAG向量化：分块与Embedding

匹配口述回答：…几百条，语义匹配的精度提升也很明显。这里有个边界：如果文档本身是结构化或者关键词密集的，比如订单号、错误码，那向量搜索不一定比[[BM25]]好，[[混合检索]]才是正解。然后说文本[[分块]]策略，这是最容易被低估的坑。固定长度分块最简单，但具体token数要作为候选变量；它经常把一句话或者一个逻辑段切两半，导致检索时上下文不完整。递归分块会好一些，先按段落切，超长了再细分，尽量保持语义边界。还有语义分块，用模型判断边界，精度最高但计算成本也高。我的做法是：先比较递归分块…

#安克科技#RAG 向量化#Embedding 模型