Получить доступ

Гибридный поиск и реранкинг

Основа с Middle

Сочетание векторного и полнотекстового поиска и уточнение порядка реранкером.

Векторный поиск хорошо ловит смысл, но промахивается на точных совпадениях: артикулы, коды ошибок, фамилии, редкие термины. Классический поиск по словам (BM25) — наоборот. Гибридный поиск объединяет оба списка, например методом взаимного ранга (RRF).

Реранкер (cross-encoder) смотрит на пару «запрос — фрагмент» целиком и оценивает релевантность точнее, чем сравнение готовых векторов. Он медленнее, поэтому схема двухэтапная: быстро найти 50–100 кандидатов, реранкером выбрать лучшие 5–10.

Что важно знать

  • Bi-encoder (эмбеддинги) — быстро, векторы считаются заранее; cross-encoder — точно, но на каждый запрос.
  • Переформулирование запроса моделью (rewrite, разбиение на подвопросы) — ещё один способ улучшить поиск.
  • Качество поиска измеряют отдельно от ответа: recall@k, MRR, nDCG на наборе запросов с известными правильными документами.

Критерии освоения

Middle ≈ 8 ч

  • Объединяет векторный и полнотекстовый поиск методом взаимного ранга
  • Добавляет реранкер и измеряет прирост recall и MRR
  • Объясняет разницу bi-encoder и cross-encoder и их стоимость

Практика. Добавить к векторному поиску BM25 и реранкер, на наборе из 100 запросов показать изменение recall@5 и задержки на каждом шаге.

Вопросы с собеседований

← Вся карта «ИИ-инженер»

Закрытая бета

Знать тему — половина дела

На живом собеседовании sotto слышит вопрос интервьюера и показывает короткий ответ и план. Оставьте контакт — пришлём доступ и промокод.

  • Промокод на 2 часа — сверх пробных 30 минут
  • Программа для Windows — скачать сразу, войти — через Яндекс ID или VK ID
  • Прямая связь с разработчиком: что улучшить — сделаем