Auntilz墨痕

索引 / 标签

#检索

共 4 篇

  1. Ch13 RAG

    对比-稠密检索vs稀疏检索

    稠密检索（Dense Retrieval）和稀疏检索（Sparse Retrieval）是信息检索的两大范式。稠密检索基于语义向量相似度，稀疏检索基于关键词匹配，2026 年的标配是两者混合。

    约 2 分钟548 字
  2. Ch13 RAG

    深挖-向量数据库

    一句话理解 专门存储和检索高维向量的数据库系统，是 RAG（检索增强生成）的核心基础设施，支撑语义搜索、推荐系统、相似度去重等场景。 零基础理解 传统数据库存的是数字和文本，查询时做精确匹配；

    约 4 分钟1,386 字
  3. Ch13 RAG

    深挖-重排序

    一句话理解 对初检阶段召回的候选结果进行二次排序，将最相关的文档排到最前面，显著提升 RAG 系统的精度和答案质量。 零基础理解 想象你在图书馆查询"人工智能的历史"： - 初检（Retrie

    约 4 分钟1,298 字
  4. Ch13 RAG

    向量数据库演变

    Ch13 RAG 进化树 里提到语义检索需要"把文本变成向量"。这篇解释：向量是什么、怎么存的、存的地方怎么从零到现在的。

    约 4 分钟1,253 字