什么是多路召回？具体怎么做
1️⃣ 考察意图
面试官想考察你是否真正理解“多路召回”不是简单堆砌检索器，而是工程取舍的艺术。这是典型的系统设计 + 工程取舍题，刁钻点在于：多数人只会背“向量+BM25+RRF”的套路，但说不出为什么需要多路、各路召回数怎么定、融合权重如何调优、以及如何避免“召回越多噪声越大”的陷阱。答好了能展示你对检索系统整条链路的掌控力，包括召回率与精度的平衡、延迟与效果的trade-off，以及实际落地中的debug经验。
2️⃣ 标准答
多路召回是指在一个检索系统中，同时运行多种异构的检索策略（如向量检索、关键词检索、知识图谱检索），各自独立召回 top-k 候选，再通过融合策略合并去重，最终输出一个统一的候选集。核心目标是互补不同检索方法的盲区，提升召回率和鲁棒性。
具体做法分三步：设计检索路数、确定每路召回数、融合策略。
第一步：设计检索路数常见组合包括：
- 向量检索（Dense Retrieval）：用 embedding 模型（如 BGE-M3、E5-mistral）将 query 和文档编码为向量，通过 HNSW 或 IVFPQ 索引做近似最近邻搜索。优势是语义匹配强，但依赖训练数据分布，对长尾实体名、缩写（如“GPT” vs “Generative Pre-trained Transformer”）容易失效。
- 关键词检索（Sparse Retrieval）：用 BM25（默认 k1=1.5, b=0.75）或 SPLADE 做词频匹配。优势是精确匹配实体和术语，对低频词敏感，但无法处理同义词（如“汽车” vs “车辆”）。
- 知识图谱检索（Graph Retrieval）：通过 SPARQL 或 Cypher 查询知识库中的结构化关系（如“张艺谋导演的电影”）。优势是能回答多跳推理问题，但构建和维护成本高。
- 混合检索（Hybrid）：如 ColBERT 的 late interaction 或 ColBERT-v2 的 token-level 匹配，兼顾稀疏和稠密特性，但计算开销大。
第二步：确定每路召回数这是工程取舍的关键。假设总候选集上限为 N=100，各路召回数不能平均分配。经验法则：
- 向量检索：分配 50-60 个，因为语义匹配是主流。
- BM25：分配 30-40 个，作为精确匹配的兜底。
- 知识图谱：分配 10-20 个，仅当 query 含明确实体关系时启用。
- 坑：如果每路都召回 top-100，合并后可能超过 200 条，导致下游 reranker 延迟飙升。解法是动态调整：根据 query 类型（如实体查询 vs 开放域问题）动态分配各路召回数，例如实体查询时加大 BM25 权重。
第三步：融合策略常见三种：
- RRF（Reciprocal Rank Fusion）：对每路结果按排名倒数加权，公式
score = Σ 1/(k + rank)，k 通常取 60。优势是无参数、鲁棒，但无法处理各路召回数不一致的情况。 - 加权求和：对每路结果赋予固定权重（如向量 0.6、BM25 0.3、图谱 0.1），然后按加权分数排序。优势是可调优，但权重需要大量标注数据或线上 A/B 测试。
- 学习排序（Learning to Rank）：用 LambdaMART 或 ListNet 训练一个排序模型，输入各路特征（如向量相似度、BM25 分数、实体匹配度）。优势是效果上限高，但需要标注数据，且线上推理成本高。
实际落地的坑 + 解法：
- 坑：各路结果重复度高（如向量和 BM25 都召回同一篇文档），导致融合后有效候选数不足。解法：在融合前做去重，按文档 ID 去重后保留最高分；或者用最大边际相关性（MMR） 做多样性重排。
- 坑：BM25 分数和向量相似度尺度不一致，直接加权求和会偏向分数高的路。解法：对每路分数做归一化（如 min-max 归一化或 z-score），或者用 RRF 这种基于排名的融合。
- 坑：知识图谱检索延迟高（可能 200ms+），拖累整体系统。解法：将知识图谱检索改为异步并行，或者只在 query 包含明确实体时触发（用 NER 模型预判）。
3️⃣ 答题模板（30 秒电梯版）
“这个问题我从三个层面回答：第一，多路召回的定义和设计思路，核心是互补不同检索方法的盲区，比如向量检索做语义匹配、BM25 做精确匹配、知识图谱做结构化查询。第二，具体做法包括确定每路召回数和融合策略，常用 RRF 或加权求和，注意分数归一化和去重。第三，实际落地中的坑，比如各路召回数动态调整、延迟优化、以及重复候选的处理。总结一句：多路召回不是堆砌检索器，而是工程取舍的艺术，核心是平衡召回率、精度和延迟。”
4️⃣ 高频追问 & 应对
追问 1：如果多路召回后候选集太大，下游 reranker 延迟高怎么办？
应对策略：首先，限制总候选集上限，比如 N=100，然后动态调整每路召回数。其次，用级联架构：先跑低延迟的 BM25 快速过滤到 top-200，再用向量检索精排到 top-50，最后用 reranker（如 Cohere Rerank 或 BGE-Reranker）重排。第三，对 reranker 做模型量化（如 INT8）或知识蒸馏，减少推理时间。如果延迟要求极严（<50ms），可以放弃 reranker，直接用 RRF 融合结果。
追问 2：怎么评估多路召回的效果？用哪些指标？
应对策略：核心指标是 Recall@K 和 MRR。Recall@K 看前 K 个候选是否覆盖正确答案，MRR 看第一个正确答案的排名。具体做法：在自建数据集上，对比单路（如仅向量）和多路的 Recall@20，通常多路能提升 5-15%。另外，要关注多样性指标（如 intralist diversity），避免多路召回后候选集同质化。线上可以用 A/B 测试，看最终用户点击率或任务完成率。
追问 3：如果 BM25 和向量检索结果冲突（比如 BM25 召回高分但向量低分），怎么处理？
应对策略：这取决于 query 类型。如果是实体查询（如“iPhone 15 价格”），BM25 的精确匹配更可靠，应该提高 BM25 权重。如果是开放域问题（如“如何提高睡眠质量”），向量检索的语义匹配更重要。工程上，可以用一个轻量级分类器（如 fastText）判断 query 类型，然后动态调整融合权重。或者用 RRF，它基于排名而非分数，天然鲁棒。如果冲突严重，可以引入置信度阈值：当某路结果分数低于阈值时，直接丢弃。
5️⃣ 避坑 · 常见错误答法
- ❌ 说“多路召回就是向量检索+BM25，然后取并集” → ✅ 正确切入：强调每路召回数需要动态调整，融合策略要处理分数尺度不一致和重复候选，否则召回越多噪声越大。
- ❌ 说“RRF 是万能的，不需要调参” → ✅ 正确切入：RRF 的 k 值需要根据数据分布调优（通常 60 是经验值），而且 RRF 无法处理各路召回数不一致的情况，需要先做归一化。
- ❌ 说“知识图谱检索太慢，不用也罢” → ✅ 正确切入：知识图谱检索对实体关系查询效果显著，可以通过异步并行或条件触发来优化延迟，不能一刀切放弃。
6️⃣ 简历呼应
- 如果你有 RAG 项目：从实际系统切入，比如“在构建企业知识库问答系统时，我实现了向量检索（BGE-M3）+ BM25 + 知识图谱三路召回，用 RRF 融合，Recall@20 从单路的 72% 提升到 86%”，并强调动态调整每路召回数的工程细节。
- 如果你只做过传统 NLP：用搜索系统类比，比如“传统搜索引擎的倒排索引和语义检索结合，本质就是多路召回”，然后迁移到 RAG 场景，强调 BM25 和向量检索的互补性。
- 如果你是校招无项目：聚焦论文复现，比如“我复现了 ColBERT-v2 的 late interaction 机制，它本质是 token-level 的多路召回，然后通过 RRF 融合”，并提到在 MS MARCO 数据集上 Recall@1000 提升 3%。
- 论文：Karpukhin et al., “Dense Passage Retrieval for Open-Domain Question Answering” (DPR, 2020)
- 论文：Robertson & Zaragoza, “The Probabilistic Relevance Framework: BM25 and Beyond” (2009)
- 论文：Cormack et al., “Reciprocal Rank Fusion Outperforms Condorcet and Individual Rank Learning Methods” (RRF, 2009)
- 工具：LangChain 的 MultiRetrievalQAChain 实现多路召回
- 博客：Pinecone 的 “Hybrid Search: Combining Sparse and Dense Retrieval”