Q7 · 如何解决检索结果不相关（Recall 质量差）？

Q: Q7 · 如何解决检索结果不相关（Recall 质量差）？

解决方案： 混合检索 向量检索 + 关键词检索（BM25） 加权融合：Final Score = 0.7 × Vector + 0.3 × BM25 Multi-Query 用 LLM 生成多个查询变体 合并检索结果，去重 Rerank 用 Cross-Encoder 重新排序 先从向量库召回 50 个，再精选 Top-5 优化 Embedding 换更好的模型（如 BGE-M3 中文好） 优化 Chunking 调整 chunk 大小和重叠

解决方案：混合检索向量检索 + 关键词检索（BM25）加权融合：Final Score = 0.7 × Vector + 0.3 × BM25 Multi-Query 用 LLM 生成多个查询变体合并检索结果，去重 Rerank 用 Cross-Encoder 重新排序先从向量库召回 50 个，再精选 Top-5 优化 Embedding 换更好的模型（如 BGE-M3 中文好）优化 Chunking 调整 chunk 大小和重叠

如何解决检索结果不相关（Recall 质量差）面试

_{记忆点：先定位哪一层错，再调对应环节，并用标注集验证。}

💡 答案要点

解决方案：

混合检索
- 向量检索 + 关键词检索（BM25）
- 加权融合：Final Score = 0.7 × Vector + 0.3 × BM25
Multi-Query
- 用 LLM 生成多个查询变体
- 合并检索结果，去重
Rerank
- 用 Cross-Encoder 重新排序
- 先从向量库召回 50 个，再精选 Top-5
优化 Embedding
- 换更好的模型（如 BGE-M3 中文好）
优化 Chunking
- 调整 chunk 大小和重叠

📚 参考：LangChain RAG Tutorial（检索质量优化）