概述
BM25 是經典的基於關鍵字的排名函數，它根據查詢術語出現的頻率對文件進行評分，並根據術語稀有度和文件長度進行調整。已有數十年歷史，它仍然是一個非常強大且無處不在的搜尋基線。
BM25 和詞彙檢索是語言 AI 堆疊的一部分，用於大規模閱讀、生成、分類和轉換文字和語音。
深入探討
BM25（最佳匹配 25）是來自 20 世紀 90 年代機率性 Okapi 框架的詞袋排序函數。對於每個查詢術語，它結合了三個訊號：術語頻率（單字在文件中出現的頻率，由參數 k1 控制收益遞減）、逆文件頻率（集合中越稀有的單字計數越多）和文件長度標準化（參數 b，因此長文件不會受到不公平的青睞）。將這些每學期的分數相加，即可得出文件的排名。它不需要訓練，而且透過倒排索引運行得非常快，這就是 Elasticsearch 和 Lucene 等搜尋引擎預設使用它的原因。儘管神經檢索興起，BM25 仍然在許多基準測試中獲勝或平局，特別是對於罕見術語、精確標識符和域外查詢。
技術洞察
BM25 的術語頻率分量飽和：k1 參數限制了重複單字對分數的提升程度，因此出現 50 次的術語並不比出現一次的相關性高 50 倍。 b 參數混合了原始頻率和長度歸一化頻率。 IDF 降低了「the」等常見單字的權重，並獎勵獨特的單字。由於它使用將每個單字映射到其文檔清單的倒排索引進行操作，因此評分僅涉及包含查詢術語的文檔，使其非常有效率。
掌握 BM25 和詞彙檢索
BM25 是經典的基於關鍵字的排名函數，它根據查詢術語出現的頻率對文件進行評分，並根據術語稀有度和文件長度進行調整。已有數十年歷史，它仍然是一個非常強大且無處不在的搜尋基線。 BM25 和詞彙檢索是語言 AI 堆疊的一部分，用於大規模閱讀、生成、分類和轉換文字和語音。為了建立深入的理解，請將 BM25 和詞彙檢索視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，使用 BM25 和詞彙檢索的強大團隊將提示、檢索和審查循環設計為一個整合的通訊系統。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
語言工作流程可以在不犧牲一致性的情況下更快地移動。同時，幻覺事實可以悄悄地進入報告、支持流程或研究成果。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
語言工作流程可以在不犧牲一致性的情況下更快地移動。
語言工作流程可以在不犧牲一致性的情況下更快地移動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
它擴展了跨語言和溝通方式的訪問。
它擴展了跨語言和溝通方式的訪問。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。
團隊可以花更多時間進行判斷，而自動化則可以處理重複。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
Elasticsearch、OpenSearch 和 Apache Lucene/Solr 中的預設相關性排名
第一階段候選檢索在兩階段搜尋中提供較慢的神經重新排序器
代碼和日誌搜索，其中確切的標識符和錯誤代碼必須精確匹配
挖掘困難的負面例子來訓練 DPR 等密集檢索器
實施模式
BM25 和詞彙檢索實踐
Elasticsearch、OpenSearch 和 Apache Lucene/Solr 中的預設相關性排名。
Elasticsearch、OpenSearch 和 Apache Lucene/Solr 團隊中的預設相關性排名通常會在預先定義品質閾值、為邊緣保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時獲得更好的結果。
BM25 和詞彙檢索實踐
第一階段候選檢索在兩階段搜尋中為較慢的神經重新排序器提供支援。
第一階段候選檢索在兩階段搜尋中為較慢的神經重新排序提供支援 當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
BM25 和詞彙檢索實踐
代碼和日誌搜索，其中確切的標識符和錯誤代碼必須精確匹配。
代碼和日誌搜索，其中確切的標識符和錯誤代碼必須精確匹配 當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並跟踪一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
BM25 和詞彙檢索實踐
挖掘困難的負面例子來訓練 DPR 等密集檢索器。
挖掘困難的負面範例來訓練像 DPR 團隊這樣的密集檢索器，當他們預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移追蹤生產力增益和錯誤成本時，通常會得到更好的結果。
風險與防護欄
幻覺的事實可以悄悄地進入報告、支持流程或研究成果。
及時的敏感性可能會在類似的請求中產生不一致的結果。
如果存取控制薄弱，敏感文字資料可能會暴露。
實施路線圖
在推出之前定義輸出格式、語氣和品質標準。
在推出之前定義輸出格式、語氣和品質標準。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
當準確性很重要時，請使用可信任來源進行地面回應。
當準確性很重要時，請使用可信任來源進行地面回應。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
為高風險輸出保留人工審查檢查點。
為高風險輸出保留人工審查檢查點。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
追蹤故障模式並定期重新訓練提示或工作流程。
追蹤故障模式並定期重新訓練提示或工作流程。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。