倒数排名融合（RRF）
科普速读
- 它是什么： RRF 根据搜索结果的名次合并多个排序列表。
- 适合什么场景： 合并分数尺度不同的检索器结果。
- 主要边界： 所有检索器都漏掉的文档，融合也找不回来。
概览
关键词检索可能把精确错误码页面排第一，向量搜索可能把相关事故记录排第二。RRF 可以合并两份列表，而不直接比较原始分数。
核心定义
倒数排名融合（RRF）根据结果在各排序列表中的位置计算分数，再合并列表。
背景与发展
搜索系统常要组合关键词和向量检索。两者分数可能无法直接比较，因此可以采用基于名次的融合方法，减少分数校准工作。
工作机制（How It Works）
每个结果根据名次获得一部分分数。在多个列表中都排得靠前的结果会得到较高的融合分数，并在合并列表中靠前显示。
在软件测试与开发中的应用
可以用 RRF 合并 BM25 检索出的精确标识符与向量检索出的相似描述，再用真实问题检查是否找到所需证据。
优势与局限
RRF 不要求各检索器的分数尺度相同，使用方式也较直接。结果仍取决于候选列表和名次，不能判断内容真假。
与相近术语对比
混合检索组合不同检索方式；RRF 是合并结果列表的一种排序融合方法；重排器则对候选做另一轮相关性判断。
实施建议（Best Practices）
在同一组问题上比较 RRF、单一检索器和其他融合方法，并跟踪召回、答案依据、延迟和候选数量。
常见误区（Pitfalls）
不要指望融合找回所有检索器都漏掉的证据。融合后排名靠前，也不能证明片段内容正确。
FAQ
RRF 会把原始检索分数相加吗？
不会。它合并的是名次，因此不必直接比较不同尺度的分数。