外观
如何理解BM25、余弦相似度与分数融合？
标准回答
BM25 综合词项稀有程度、词频的饱和影响与文档长度等因素，适合词法相关性；余弦相似度关注向量夹角，常写为 x·y / (‖x‖‖y‖)。零向量需要明确处理，相似度高表示模型空间中的接近，不证明事实相同或逻辑成立。
两路原始分数的分布不同，直接相加可能让量纲较大的一路支配。可以使用受验证的归一化加权、基于名次的融合或重排模型，各有信息损失和成本。RRF 以名次贡献融合，可以减少对原始分数尺度的依赖，但不能补救候选缺失。
EachOf 当前有自己的信号转换和加权逻辑，不应将通用 BM25 或 RRF 公式直接说成其数据库全文路径的实际公式。调试时展示每项信号、过滤和候选来源，比只看最终总分更容易解释结果。
追问与回答
余弦相似度为负代表什么
在一般向量空间中表示方向夹角大于直角，但具体语义仍取决于模型和分布；不能机械翻译为内容互相矛盾。
为什么高频词贡献往往有限
它对区分文档的信息量较低，词频也需要饱和以避免单纯重复堆词占据排序；具体计算看引擎与配置。
易混淆点
- 把语义相似分数当作真假概率。
参考资料
内容来源
- Android 与 AI 工程 Wiki · 原条目
q214