检索与重排得分过于接近、不可靠怎么办
哪些公司问过
答案要点
- 根因之一:向量相似度与reranker分数尺度不同,向量分数常集中在窄区间
- 融合时用RRF等基于排名的方法,或先归一化/校准(min-max、z-score、sigmoid、温度)再加权
- 提升区分度:用业务数据和难负例微调embedding与reranker,或换更强的cross-encoder
- 截断用相对差距、分位数或Top-k,替代固定的绝对分数阈值
- 配合查询改写、混合检索,并用标注集的NDCG、MRR、Recall评估效果
易错点
- 把余弦相似度和reranker的logit直接相加或比较大小
- 用一个固定的绝对分数阈值对所有查询截断
- 只调分数公式而不评估,缺少标注集和NDCG、MRR等指标验证
面试官常见追问
- RRF是怎么计算的?
- 为什么向量检索的余弦分数往往很接近?
- 怎么判断检索结果整体都不相关,应该拒答?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。