混合检索到底是 BM25 + 向量，还是又一个调参黑洞？

[普通网友A]

我们问“ISO27001 附录 A.8”这种，向量检索老是输给模糊语义。是不是要加 BM25？

[阿航]

这种编号、术语、产品型号，关键词检索很有用。向量不是万能。

[nora]

混合检索能救精确词，但也会引入权重问题。alpha 怎么配，要用测试集。

[小林]

Qdrant sparse vector 可以看一下，不一定非得自己拼 BM25。

[MingK]

Weaviate 的 hybrid 搜索文档也值得参考，思路是结合稀疏和稠密分数。

[半糖]

我们加 BM25 后，常见问题变好，口语化问题变差。后来按 query 类型切。

[小路灯]

对。用户输入有编号、法规条款、接口名时提高关键词权重；自然语言问题走向量为主。

[小树]

query 类型用模型判断吗？

[林小北]

先简单规则就够，包含大量大写、数字、点号、下划线，就很可能需要关键词。

[rootless]

规则是工程判断，不是假 AI。别为了“智能”把确定性信号丢掉。

[米饭]

还要做归一化。中文全角半角、大小写、连字符，BM25 很吃这些。

[小满满]

我们失败样例大多是缩写。HRBP、OKR、SOP，向量能懂一点，但关键词更稳。

[普通网友A]

我先给编号类问题加 hybrid，不全局打开。

[nora]

记得看重复结果。BM25 和向量都命中同一块时，融合要去重。

[阿航]

混合检索不是黑洞，没测试集才是黑洞。