多路召回结果如何合并与重排
哪些公司问过
答案要点
- 多路并行召回,如向量检索、BM25、规则召回,每路设超时和降级
- 按 id 或内容哈希去重,保留每条在各路的排名和来源
- 各路分数尺度不同,用 RRF 按排名融合,或归一化后加权
- 融合后取候选交给交叉编码器重排,按分数过滤阈值取 TopK
- 伪代码体现:并发召回、字典合并、融合排序截断、批量重排、返回
易错点
- 直接把不同检索的原始分数相加排序
- 去重只看完全相同的文本,忽略同一文档的重叠片段
- 把所有候选都送进重排模型导致延迟过高
面试官常见追问
- 为什么用 RRF 而不是直接加分数?
- 重排模型和召回用的向量模型有什么区别?
- 多路召回结果数量怎么定?
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。