---

1、先看两种检索的本质

关键词检索（稀疏检索）：

• 代表：BM25、TF-IDF。
• 思路：用词项匹配。query 和文档共享的词越多、越稀有，分数越高。
• 表示：高维稀疏向量，每个维度对应一个词。
• 匹配：精确词匹配，不理解语义。

向量检索（稠密检索）：

• 代表：基于 Embedding 的最近邻搜索。
• 思路：把 query 和文档编码成稠密向量，算相似度。
• 表示：低维稠密向量，比如 768、1024 维。
• 匹配：语义相似，不要求词相同。

一句话：

关键词检索：字面匹配。

向量检索：语义匹配。

2、关键词检索的优缺点

优点：

• 精确匹配强：专有名词、代码、ID、型号、人名，词对了就能命中。
• 可解释：为什么命中，能追溯到具体词。
• 无需训练：BM25 是统计方法，不需要 Embedding 模型。
• 冷启动好：新文档、新词，只要有词就能检索。
• 成本低：倒排索引成熟，检索快。
• 对低频词敏感：稀有词权重高，适合精确查询。

缺点：

• 不懂语义：query “怎么修电脑”和文档“计算机故障排除”词不重叠，检索不到。
• 同义词、改写、缩写处理差。
• 词汇鸿沟（vocabulary mismatch）：用户用词和文档用词不一致就失败。
• 多语言、跨语言弱。
• 对长 query、口语化 query 效果差。

3、向量检索的优缺点

优点：

• 语义匹配强：同义、改写、跨语言都能召回。

• 处理口语化 query：用户怎么问都能找到语义相关文档。

• 泛化好：不依赖词重叠。

• 多模态扩展：文本、图像、语音都能编码到同一空间。

缺点：

• 精确匹配弱：专有名词、ID、代码、型号，向量可能区分不开。
• 可解释性差：为什么召回这个文档，说不清。
• 依赖 Embedding 模型：模型不好，效果就差。
• 领域适配难：通用模型在垂直领域可能效果差，需要微调。
• 冷启动问题：新领域、新词，模型没见过就编码不好。
• 成本高：需要 GPU 编码、向量索引、存储。
• 可能召回“语义相似但事实错误”的内容。

4、对比总结

维度	关键词检索	向量检索
匹配方式	字面	语义
表示	稀疏高维	稠密低维
精确匹配	强	弱
语义匹配	弱	强
可解释性	强	弱
冷启动	好	差
成本	低	高
多语言	弱	强
代表	BM25	Embedding + ANN

5、什么情况下必须使用混合检索

混合检索 = 关键词检索 + 向量检索，取长补短。

必须用混合检索的场景：

（1）query 里既有语义需求，又有精确实体

比如：“2023 年 iPhone 15 的电池续航怎么样？”

“电池续航”是语义，“iPhone 15”是精确实体。

纯向量可能把其他手机混进来，纯关键词可能漏掉语义相关文档。

混合检索能同时保证实体准确和语义相关。

（2）垂直领域，专有名词多

法律、医疗、金融、代码、电商。

大量术语、编号、型号、法规条款。

向量模型对专有名词区分弱，必须靠关键词兜底。

（3）用户 query 多样化

有的用户用精确词，有的用口语。

纯关键词漏语义，纯向量漏精确。

混合能覆盖更多 query 类型。

（4）召回率要求高

比如法律检索、医疗检索，漏掉一条可能很严重。

混合检索多路召回，召回率更高。

后续用重排序精排。

（5）跨语言或同义词多

向量负责跨语言和同义。

关键词负责精确术语。

两者互补。

（6）冷启动 + 领域适配

新领域，Embedding 没适配好，向量效果差。

关键词检索不依赖训练，能兜底。

混合更稳。

一句话：当 query 同时包含语义需求和精确匹配需求，或者对召回率要求高时，混合检索基本是必须的。

6、混合检索中如何做分数融合或结果融合

常见方法分两类：分数融合 和 结果融合（排名融合）。

（1）分数融合（Score Fusion）

思路：把两路检索的分数归一化后加权求和。

final_score = α · score_dense + (1 - α) · score_sparse

关键问题：

两路分数尺度不同，BM25 分数无界，向量相似度在 [-1, 1] 或 [0, 1]。

必须先归一化：Min-Max、Z-Score、Softmax。

α 需要调参，通常用验证集。

不同 query 可能需要不同 α。

优点：简单，可调。

缺点：归一化敏感，α 难调，跨 query 不稳定。

（2）排名融合（Rank Fusion）

思路：不融合分数，只融合排名。

最常用的是 RRF（Reciprocal Rank Fusion）：

RRF_score(d) = Σ_r 1 / (k + rank_r(d))

rank_r(d) 是文档 d 在第 r 路检索中的排名。

k 是平滑常数，通常 60。

只依赖排名，不依赖分数尺度。

优点：

不需要归一化，鲁棒。

实现简单，效果稳定。

对分数尺度不敏感。

缺点：

丢失分数信息。

对排名靠后的文档区分度低。

（3）其他融合方法

加权 RRF：不同路给不同权重。

学习融合：用模型学习融合权重。

级联融合：先一路召回，再另一路补充。

去重合并：两路结果去重后统一重排序。

（4）实践建议

先用 RRF 做 baseline：简单、鲁棒、效果好。

需要精细控制时用分数融合：但要做好归一化和调参。

最终都要重排序：融合后接 Cross-Encoder 精排。

用评估数据验证：Recall@K、MRR、NDCG。

7、一句话总结

关键词检索强在精确匹配、可解释、冷启动好，弱在语义；向量检索强在语义、泛化、多语言，弱在精确匹配和可解释。当 query 同时有语义和精确需求、垂直领域专有名词多、召回率要求高时，必须用混合检索。融合方法分分数融合和排名融合，RRF 是最常用的排名融合，简单鲁棒；分数融合需要归一化和调参。最终通常接重排序精排。

8、这道面试题的质量点评

优点

结构完整：优缺点 → 何时必须用 → 怎么融合，逻辑闭环。

区分度好：

初级：能说关键词精确、向量语义。

中级：能说混合场景、RRF。

高级：能说分数归一化、α 调参、学习融合、级联融合。

贴近工程：混合检索是 RAG 的核心优化点，必考。

有追问空间：可以追问 RRF 的 k、归一化方法、重排序、评估指标。

缺点

第三问偏细：分数融合和结果融合是工程细节，没做过的人可能答不上。

容易背结论：可能只答“关键词精确，向量语义，混合用 RRF”。

缺少场景：没问“你实际项目怎么选 α？怎么评估？”

没覆盖学习融合、级联融合：这些是进阶方法，题目没提。

总体评价

质量：上。 适合中高级岗位，能有效区分“知道两种检索”和“真正做过混合检索调优”的人。建议追问：

“RRF 的 k 怎么选？为什么是 60？”

“分数归一化用哪种？为什么？”

“α 怎么调？不同 query 要不要不同 α？”

“混合后怎么评估效果？”

“学习融合怎么实现？”

9、怎么回答才是最好的

回答原则

先给本质：关键词字面，向量语义。

分点说优缺点：精确、可解释、冷启动 vs 语义、泛化、多语言。

说清必须混合的场景：语义 + 精确、垂直领域、高召回。

讲融合方法：分数融合 vs 排名融合，重点 RRF。

主动提进阶：学习融合、级联融合、重排序。

结合实践：说“我们用 RRF + Cross-Encoder”。

推荐回答结构

“关键词检索是字面匹配，代表 BM25；向量检索是语义匹配，基于 Embedding。”

“关键词检索强在精确匹配、可解释、冷启动好、成本低，弱在语义、同义词、跨语言。向量检索强在语义、泛化、多语言，弱在精确匹配、可解释、冷启动、领域适配。”

“必须用混合检索的场景：query 同时有语义和精确实体，比如‘iPhone 15 续航’；垂直领域专有名词多，比如法律、医疗、代码；召回率要求高；query 类型多样；跨语言或同义词多；冷启动领域适配。”

“融合方法分两类。分数融合是归一化后加权求和，需要处理尺度差异和调 α。排名融合最常用 RRF，公式是 Σ 1/(k+rank)，只依赖排名，不需要归一化，鲁棒。k 通常取 60。”

“实践上，我们先用 RRF 做 baseline，再根据评估调权重。融合后接 Cross-Encoder 重排序，精排到 Top 5。评估用 Recall@K、MRR、NDCG。如果效果不够，会考虑学习融合或级联融合。”

加分点

提到 BM25、词汇鸿沟、精确匹配、语义匹配。

提到 RRF 公式、k=60、分数归一化、α 调参。

提到 学习融合、级联融合、Cross-Encoder 重排序。

提到 Recall@K、MRR、NDCG 评估。

结合真实调优经验。

减分点

只说“关键词精确，向量语义”，不展开。

不知道 RRF。

不知道分数归一化问题。

不知道混合后要重排序。

说“混合一定比单路好”（不一定，要看场景和调参）。

---

---