多路召回是结合多种召回策略（如向量召回、关键词召回）的技术，可提升RAG架构中信息检索的效率和准确性。主要方式包括并行召回（同时获取多种结果后合并去重）、串行召回（先粗筛再精排）以及结果融合（如RRF算法）。多路召回能融合语义与关键词信息，提高召回覆盖率与精准率，增强抗噪声能力。推荐采用BM25与向量召回结合，经RRF初排后精排，最终输入大模型生成回答。

---

1. 多路召回概述
   =========

1.1 多路召回的概念

多路召回指的是结合多种召回策略的结果，如向量召回基于语义相似度，关键词召回基于传统匹配算法，融合多路召回结果得到更全面准确的候选文档集合。

1.2 多路召回的重要性

在RAG架构中，多路召回能够有效提升信息检索的效率和准确性，为后续的生产环境提供更丰富的上下文信息，从而生成更高质量的回答。

1.3 应用场景

广泛应用于搜索引擎、推荐系统、智能客服等领域，尤其在对信息准确性要求较高的场景下，多路召回能更好地满足这些场景。

2. 多路召回方式

---

2.1 并行多路召回

2.1.1 并行多路召回实现方法

并行多路召回，顾名思义是将不同召回策略的结果分别获取后进行合并去重，再通过重排序综合打分，取最终Top N结果。例如向量召回 Top 10，BM25相似度文本召回Top 10，合并后重排序取Top 10。

2.1.2 并行多路召回的优势

并行多路召回充分利用了语义与关键词两种优势，互补性强，能够更全面地覆盖候选文档，减少单一召回策略导致的漏检问题，是当前工业界最主流的做法。

2.2 串行多路召回

2.2.1 实现方法

串行多路召回是先用算法召回大量粗筛结果，再用另一种算法对粗筛结果做精排。例如先用向量召回100条，再用BM25重新打分排序取Top 10，也可以反过来操作。

2.2.2 优缺点

优点是计算效率高，缺点是如果粗筛阶段筛选不准确，可能导致后续精排阶段丢失重要信息，影响最终结果的准确性。

2.2.3 适用场景

当数据量大且计算资源有限时，串行多路召回可以有效减少计算量，先通过粗筛快速缩小范围，再通过精排提高结果质量。

2.3. 多路召回融合

常用的融合方法有RRF(Reciprocal Rank Fusion)和精排模型（Cross-Encoder Dranker）。

RRF原理是如果某条文档在多个召回结果中都排名靠前，则它的相关性应该更高，通过公式计算综合得分。使用pyhton代码RRF融合，对BM25召回和向量召回的结果进行融合，计算每个文档的综合评分，按得分顺序取Top N结果。

如果追求更高精度，可以在RRF初排后，再使用一个BERT类的重排序模型进行打分，将问题和结果一起输入计算相似度，输出一个相关性的分数。

4. 多路召回的优势

---

• 融合信息：融合语义与关键词信息，能够同时满足用户对语义相似性和关键词匹配的需求，提供更全面的检索结果。
• 提升性能：提高召回覆盖率与精准率，减少漏检和误检问题，提高信息检索的整体性能。
• 抗噪声能力：抗噪声能力强，能够有效抵抗数据中的噪声，保证结果的稳定性和可靠性。

5. 推荐流程设计方案

• 流程设计：推荐采用BM25召回和向量召回结合，先进行RRF初排，再使用Dranker精排，最后输入大模型生成回答的流程。
• 调优建议：在不同数据集下，可尝试调整RRF的K值，测试串行与并行效果差异，引入更多召回路径，如规则匹配、图谱检索，以进一步优化召回效果。
• 实际应用：根据具体应用场景和需求，灵活调整召回策略和参数，确保在应用中能够达到最佳效果。

读者福利大放送：如果你对大模型感兴趣，想更加深入的学习大模型**，那么这份精心整理的大模型学习资料，绝对能帮你少走弯路、快速入门**

如果你是零基础小白，别担心——大模型入门真的没那么难，你完全可以学得会！

👉 不用你懂任何算法和数学知识，公式推导、复杂原理这些都不用操心；
👉 也不挑电脑配置，普通家用电脑完全能 hold 住，不用额外花钱升级设备；
👉 更不用你提前学 Python 之类的编程语言，零基础照样能上手。

你要做的特别简单：跟着我的讲解走，照着教程里的步骤一步步操作就行。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

现在这份资料免费分享给大家，有需要的小伙伴，直接VX扫描下方二维码就能领取啦😝↓↓↓

为什么要学习大模型？

数据显示，2023 年我国大模型相关人才缺口已突破百万，这一数字直接暴露了人才培养体系的严重滞后与供给不足。而随着人工智能技术的飞速迭代，产业对专业人才的需求将呈爆发式增长，据预测，到 2025 年这一缺口将急剧扩大至 400 万！!

大模型学习路线汇总

整体的学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战，跟着学习路线一步步打卡，小白也能轻松学会！

大模型实战项目&配套源码

光学理论可不够，这套学习资料还包含了丰富的实战案例，让你在实战中检验成果巩固所学知识

大模型学习必看书籍PDF

我精选了一系列大模型技术的书籍和学习文档(电子版)，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

大模型超全面试题汇总

在面试过程中可能遇到的问题，我都给大家汇总好了，能让你们在面试中游刃有余

这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

👉获取方式：

😝有需要的小伙伴，可以保存图片到VX扫描下方二维码免费领取【保证100%免费】

相信我，这套大模型系统教程将会是全网最齐全 最适合零基础的！！