已验证80% 置信事实时间未知
BM25（Best Matching 25）是由Stephen Robertson等人在1990年代提出的概率排序算法，基于词频、逆文档频率和文档长度归一化三个因素进行相关性打分
6
来源数
80%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
Agentic RAG实战：原理剖析与LangChain代码实现指南
bilibiliAI大模型__
涉及实体
相关事实
待验证在18k字符预算下，锚定混合检索达到36.18%准确率，BM25达到35.98%，而最佳的直接规划器引导方法仅为34.19%63% 相似待验证向量检索返回的是余弦相似度或距离分数，BM25 返回的是基于词频的打分，两者量纲不同，原始分数无法直接相加或比较62% 相似已验证BM25核心机制基于词频（TF）、逆文档频率（IDF）和文档长度归一化三个因子，参数k1通常取1.2-2.0，b通常取0.7561% 相似待验证Q4量化的模型权重大约是BF16精度的30%，该比例考虑了量化缩放因子和冗余存储的开销。60% 相似待验证用4B模型对BM25筛出的候选短名单做重排序，效果优于单纯的BM25(+0.047，置信区间[0.020, 0.073])，尽管该4B重排器本身未通过合格认证60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/26802API
curl https://kongchang.com/api/v1/knowledge/claims/26802MCP
get_claim(id=26802)