京东大模型应用开发实习：混合检索权重、向量索引与评测
本场面试题
- 混合检索的权重怎么配置？
- IVF 和 HNSW 有什么差异？
- 如何评测 RAG 系统的准确率？
面经与参考答法
京东大模型应用开发实习：混合检索权重、向量索引与评测
这份自述围绕京东大模型应用开发实习面试给出九问回顾，具体轮次、部门与面试日期未披露，不能由发布时间推断。本页选取三组检索工程问题，原帖没有向量库名称、参数、准确率或候选人答案；输入规范化等其他追问未展开。经历未经外部核实；短答与示例为编辑补充的学习材料，不代表现场回答或实际项目配置。
（1）混合检索的权重怎么配置？
原帖未披露配置，也没有通用最佳权重。先确认采用原始分数加权、排名融合还是查询路由；不同检索器的原始分数不能直接相加，加权方案需要适当校准或归一化。RRF 按名次融合，不要求原始分数同量纲。用固定的业务查询与相关性标注比较候选方案，同时看漏召回、排序、答案质量和时延，并按查询类型检查差异。
教学示例（非原面试实现）：精确错误码与口语故障描述可能更依赖不同检索通道。分别检查这两类查询，而不是只看总分，再决定是否需要调整融合策略；示例不对应原帖的任何权重数值。
（2）IVF 和 HNSW 有什么差异？
常见 IVFFlat 先用代表性数据训练聚类中心，查询时选择少量倒排簇并扫描其中向量；HNSW 构建分层近邻图，从稀疏高层定位，再在底层扩展候选，通常不需要先训练聚类。两者都要权衡近似召回与资源开销：IVF 关注 lists、probes 和训练分布，HNSW 关注图连接、构建与查询探索宽度。选型应比较真实查询、过滤、更新及内存成本，不能仅用一个数据规模阈值决定。
教学示例（非原面试实现）：在相同向量、距离定义和过滤条件下，用精确 kNN 建立基线，分别调整 IVF 的 probes 与 HNSW 的查询探索宽度，比较召回、p95 延迟、内存及构建开销。这是验证方案，不是原帖的压测结果。
（3）如何评测 RAG 系统的准确率？
先定义任务成功和不可接受的失败，建立覆盖正常、边界与无答案问题的标注集，再分层评价：检索看相关证据是否被召回及排在前列，生成看答案正确性、忠实度和引用支持，端到端看任务完成、拒答、安全、时延与成本。自动指标、模型评分和人工复核互补；不能只报一个未定义口径的“准确率”，也不能把 ANN 召回率当成答案正确率。
教学示例（非原面试实现）：同一道问题可能已经检索到正确片段，却在生成时编造结论；也可能生成看似合理的答案，但没有证据支持。保存查询、候选、最终上下文和答案，才能区分这两类失败并进行版本回归。