RRF 排序融合，混合检索如何统一 BM25 和向量搜索
做混合检索时，会碰到一个很朴素的问题。
BM25 说某篇文档得了 18.6 分，向量检索说另一篇文档的相似度是 0.83。到底谁应该排在前面？
18.6 看起来比 0.83 大得多，但这两个数字根本不在同一把尺子上。直接相加没有意义，随手归一化又会受到查询、模型和数据分布影响。
RRF 提供了一个很省心的思路。
既然各路分数不好比较，那就不比较分数，只比较排名。
为什么混合检索需要结果融合
...
怎么减少大模型幻觉？
大模型最麻烦的时刻，不是它说不知道。
而是它给出一个语气笃定、结构完整、甚至带着出处的答案，等你真的去查，才发现内容根本不存在。
这种现象通常被叫作幻觉。
模型不是在主观撒谎。它的核心任务是根据上下文预测接下来最可能出现的内容。当可靠信息不足时，它仍然可能生成语言上非常合理的答案。读起来顺，不等于事实正确。
所以减少幻觉，不能只靠一句「请不要胡编」。更有效的思路是让模型有依据可用，在依据不足...