为什么 RAG 常使用混合检索？

图：RAG 图中的检索阶段可以并联词法与向量召回，再统一融合和重排。 来源：Retrieval-augmented generation diagram，作者 Turtlecrown，许可 CC BY-SA 4.0。

考察意图

检查候选人能否描述不同检索器的错误分布与融合方法。

回答前自测

• 为何不直接加分？
• 融合后必须重排吗？
• 两路都未命中？

30 秒回答

词法召回保留编号与专名，向量召回补同义表达；按排名融合后再细排。价值取决于错误是否互补，要固定预算比较证据命中、答案质量和延迟。

评分点

两路互补、RRF 公式、召回与重排区别、分组评测与成本。

90 秒回答

稀疏检索依赖词项匹配，擅长编号、专名、错误码和精确短语；稠密检索把查询与文档映射到向量，能召回措辞不同但语义接近的内容。两者错误分布不同，混合检索先分别召回，再用归一化分数、RRF 等方法融合，通常比单一路径覆盖更多查询。之后可以用 Cross-Encoder 重排。是否值得增加复杂度要由分查询类型的 Recall@k、延迟和成本验证。

深入解释

不同检索器的错误分布

BM25 结合词频、逆文档频率与长度归一化。词频贡献不是无限线性增长，长文也不应因重复词多就一直获胜。错误码 E104 和具体版本通常需要准确词项；“无法登录”和“认证失败”可能由向量召回补回。数字、否定和地域条件仍需检查。

RRF 手算

RRF(d)=Σᵢ1/(c+rankᵢ(d))，rank 从 1 开始，同一路重复文档只计一次。两路为 [A,B]、[B,C]，取 c=0 仅为演示，则 A=1、B=1.5、C=0.5。RRF 不依赖原始分数尺度，但丢失分差信息；实际 c 和权重应验证，示例不是推荐参数。

公平比较

两路共享语料版本与授权范围，融合前去重，记录支路贡献。明确总候选数和下游 reranker 预算，避免把更多候选的收益误当成融合算法收益。专名、同义、版本和无答案分别评估。

工程权衡

双索引增加存储、更新和调参成本。重排提高精度，却可能成为延迟瓶颈。

常见错误回答

简单说“BM25 负责关键词、向量负责语义”，没有说明怎样融合和评测。

连续追问

为何不直接加分？

BM25 与余弦的尺度及分布不同；可以经验证集校准后加权，RRF 则是另一选择。

融合后必须重排吗？

不一定，比较质量增益与时延。重排只能调整已有候选，不能找回未召回证据。

两路都未命中？

先查原文、解析、切分和查询权限，正确证据不在库中时换融合公式无用。

项目结合

按实体查询、自然语言问题和模糊描述分别报告召回，说明混合检索具体补回了哪些失败。

关联知识

• RAG 的端到端设计
• Dense Passage Retrieval

延伸复习

继续阅读完整机制与案例。完成后回到本页，在不看答案的情况下重述并回答三个追问。