检索学习资料：面试题、项目实战、系统教程。从实际问题进入，按自己的基础选择需要的内容。
共 132 条内容
推荐系统召回流程:特征工程、负采样、向量索引构建
稀疏/稠密检索原理、相似度与混合检索原因
Sparse 检索与 Dense 检索原理及相似度度量方法对比
学习内容与项目面试，在同一条路上。
推荐系统中召回与排序的流程、实现及优缺点
向量检索库构建中信息时效性对召回的影响与优化策略
RAG 完整流程 + 向量检索库时效性优化策略
知识库增量更新场景下新旧向量对齐的 3 种方案
特征提取、召回排序、用户意图理解三路径详解
特征表示、序列建模、召回排序中的技术路径与挑战
RAG场景下性能、索引类型、可扩展性等关键因素
影响召回效果的关键因素:Embedding 质量、索引结构、查询改写
BM25 公式、词频饱和、长度归一化与 TF-IDF 对比
语义搜索中模型选型、向量化流程与检索机制详解
BM25 参数 k1、b 的含义和调参，补充适用边界与工程取舍
中文知识库中按专名和语义查询做实战选型，补充适用边界与工程取舍
从模型、负样本和 Embedding 改进推荐准确性，补充适用边界与工程取舍
Sentence-BERT、SimCSE 等 Embedding 结构选型，补充适用边界与工程取舍
推荐系统中 SIM 模型的两种检索方法,计算效率与召回质量对比
BM25 在信息检索中的应用场景,与 TF-IDF 对比分析
向量化、索引构建与相似度计算三大关键技术详解
无相关文档场景下的鲁棒性策略,包括重写查询与生成式回答
向量维度对质量、存储、索引速度和延迟的影响
比较 ANN、HNSW、IVF 等方法的原理与性能差异
Embedding、相似度计算、索引构建在大规模检索中的实践