本篇 10 题｜覆盖初级到高级｜混合检索与重排序。先用自己的话回答，再核对参考要点，最后练习工程追问。
本篇目录
- RAG-051 混合检索如何组合关键词和向量结果？
- RAG-052 RRF 的基本思想是什么？
- RAG-053 Reranker 与 Embedding 检索如何分工？
- RAG-054 Cross-encoder 为什么常用于重排？
- RAG-055 如何解决候选中的大量重复片段？
- RAG-056 MMR 的直觉是什么？
- RAG-057 怎么设置重排分数阈值？
- RAG-058 如何处理检索分数高但无关的片段？
- RAG-059 多语言混合检索怎样验证？
- RAG-060 怎样判断重排组件是否值得保留？
RAG-051 混合检索如何组合关键词和向量结果？
难度：中级
参考答案：两路先独立召回，再按文档或片段 ID 合并并重排。分数来源与尺度可能不同，应使用合理归一化、排名融合或学习方法，避免直接相加不可比较的分值。
工程追问：为什么两路分数不能默认等权相加？
RAG-052 RRF 的基本思想是什么？
难度：中级
参考答案：它根据候选在各路结果中的排名分配贡献，而不依赖原始相似度处于同一尺度。仍需选择融合参数、处理重复和评测长尾场景，不能因为方法简单就认为无需调试。
工程追问：两路检索都把错误候选排前面会怎样？
RAG-053 Reranker 与 Embedding 检索如何分工？
难度：中级
参考答案：Embedding 检索高效缩小候选，Reranker 对查询与候选共同建模做更细排序。重排增加延迟和计算，应控制候选数量与输入长度，并比较其对最终答案的实际收益。
工程追问：召回没找到正确证据时重排能补救吗？
RAG-054 Cross-encoder 为什么常用于重排？
难度：中级
参考答案：它联合处理查询与文本，能够学习更细的交互关系，但难以预先为所有文档生成独立可比较表示。适合候选集上的精排，通常不应直接对全库逐条运行。
工程追问：如何优化一百条候选的重排成本？
RAG-055 如何解决候选中的大量重复片段？
难度：中级
参考答案：按文档、内容哈希与重叠关系去重，保留来源和最有用的跨度。对同一文档过度密集的片段可以限制占比，避免上下文被重复内容占满，但不能因此丢掉分散的必要证据。
工程追问：同一文档的不同章节是否都应合并？
RAG-056 MMR 的直觉是什么？
难度：中级
参考答案：在相关性与候选之间的差异性之间做平衡，以减少重复并提高覆盖。它不保证证据正确，参数也影响相关信息被排除的风险；应针对需要多角度回答的任务验证。
工程追问：多样性过强会怎样损害答案？
RAG-057 怎么设置重排分数阈值？
难度：中级
参考答案：依据带标签的业务集校准，同时考虑无答案场景和查询类别。分数通常不是天然概率，换模型或输入长度后要重新检查；阈值与拒答策略应一起评测。
工程追问：不同领域能否共用同一个阈值？
RAG-058 如何处理检索分数高但无关的片段？
难度：中级
参考答案：检查模型是否被关键词或模板重复误导，并分析查询表达、切分和负例。增加真实难负例评测，必要时采用重排和证据校验；不应仅因为分数高就当成可靠来源。
工程追问：“退款政策”与“禁止退款的例外”怎样区分？
RAG-059 多语言混合检索怎样验证？
难度：中级
参考答案：建立同语与跨语查询集，测试术语、名称和语言切换，比较翻译查询与多语言表示。翻译可能改变实体或业务含义，需保留原始查询和回查证据，不能只检查文本是否译得流畅。
工程追问：跨语检索如何保持编号与专名不变？
RAG-060 怎样判断重排组件是否值得保留？
难度：中级
参考答案：用同一召回集对比有无重排的证据质量、答案质量、延迟和费用，按查询类型分层。若平均提升来自少数情况，可采用条件式重排；组件存在不等于必须每次调用。
工程追问：哪些请求可以跳过重排？
复盘练习
任选一题，用“场景与约束 → 方案 → 验证方法 → 失败边界”组织一段回答。初级先讲清概念，中级补实现与测试，高级补成本、权限和故障取舍。难度标签是学习建议，同一题可继续深入。
延伸阅读
以下为本模块相关原始论文与官方文档，用于继续学习；本文为原创面试要点整理，具体框架行为以所用版本为准。