面试官:讲讲RRF在RAG系统的应用!

✅ 什么是RRF(Reciprocal Rank Fusion)❓
一种排名融合方法，将多个检索器的结果合并成一个统一的排名。

✅ RRF的作用❓
不同的检索器可能会有不同的优势和不足，通过RRF可以结合它们的长处，提供更精准的结果。

✅ RRF的具体流程❓
RRF使用一个公式来计算每个文档的总得分，RRF(d) = sum { 1 / ( k + r ( d ) ) } ，这里 d 是文档，R 是检索器的集合，k 是一个常数，通常取60，r(d) 是文档在某个检索器中的排名。

✅ 这个公式是如何做排名的❓
使用了倒数排名（Reciprocal Rank），也就是( 1 / ( rank + k ) )
这样排名越高的文档贡献的得分越大，这可以确保多个检索器共同认为重要的文档在最终排名中占据优先位置。

同时随着排名的增加，贡献得分的增速会减缓，也就是说，排名1和排名2之间的差异，比排名100和101之间的差异更显著。

另外，常数k起到了平滑因子的作用，防止单个检索器对结果的主导性太强，还能更好地处理排名相近的文档。

✅ 具体讲讲RRF在RAG系统中的实际应用流程❓
RRF在RAG系统中的应用可以分为几个步骤：
1️⃣用户输入查询，系统开始处理。
2️⃣查询被发送到多个检索器，这些检索器可以是不同的检索模型，比如密集型、稀疏型或者混合型。
3️⃣每个检索器生成自己的相关文档排名。
4️⃣使用RRF公式将所有检索器的排名结合起来，计算每个文档的总得分。
5️⃣根据RRF得分生成最终的统一排名。
6️⃣最后，生成模型使用排名靠前的文档来生成最终的答案。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。