实测打脸直觉：BM25、稠密向量与 RRF 混合检索，稠密检索三项全胜
ashishllm · x · 2026-10-27
AI 工程师以 ArguAna、SciFact、FinRank 三个数据集实测三种检索方案：BM25、稠密检索（text-embedding-3-large）与 Qdrant RRF 混合检索。
关键结论：
- 稠密检索在全部 3 个测试集的 held-out NDCG@10 上获胜
- 调参后的 RRF 在 2/3 的调参集上优于稠密，但在全部 3 个 held-out 集上落败
- 混合检索能增加覆盖面，但可能损害第一名排序质量
作者借此提醒 AI 工程师：「混合检索并不自动更好」，应像这样亲手做实验、用 held-out 集验证，而不是照搬行业默认做法。
「研究」频道最新
- VybBench 开源基准发布:用数字量化图像模型的改图保真度 — thetripathi58 · 2026-10-28
- Physical AI 高管预测灵巧操作 2-3 个季度内突破，机器人已能自学抓推车 — BradPorter_ · 2026-10-28
- NVIDIA 开源机器人数据引擎 Flora：自动给机器人视频打标签和打分 — qinzytech · 2026-10-28
- 多模态 GraphRAG 处理飓风损毁评估:连缺失与矛盾证据也能建模 — JeremyCMorgan · 2026-10-28
- SIMIT：VLM 答题前先自编练习题，17 项基准平均提升 7.2% — delliott · 2026-10-28
- Mistral 零数据保留赞助 Open Math OS，聚合 Kimi K3、DeepSeek 等开源模型 — GuillaumeLample · 2026-10-28