多模态嵌入与检索评估（2025）
多模态嵌入与检索评估（2025）多模态检索依赖统一表示与评估方法，保障跨模态的相关性与可复现性。一、嵌入与度量嵌入模型：选择适配任务的多模态嵌入模型。相似度：cosine/L2 等度量与归一化策略。二、检索与重排召回：向量检索结合过滤条件提升相关性。重排：多模态重排模型提升最终排序质量。三、评估与回
检索
搜索相关性 BM25 与向量融合检索（2025）
搜索相关性 BM25 与向量融合检索（2025）融合检索在语义与关键词匹配间取得平衡，适用于通用搜索与问答。一、召回与融合BM25：关键词匹配精准，适合高精度短文本。向量：语义召回覆盖度高，适合自然语言与长文本。融合：按权重或学习排序融合两路结果。二、重排与评估重排模型：基于语义/特征的学习排序提升
pgvector向量检索与语义搜索实践
在 PostgreSQL 中使用 pgvector 实现向量检索与语义搜索，选择合适的索引（HNSW/IVF）、维度与度量，提供数据处理与验证方法。
