小学生都能懂的 RRF(Reciprocal Rank Fusion)说明

小学生都能懂的 RRF(Reciprocal Rank Fusion)说明

让我们用一个简单的例子来解释RRF(Reciprocal Rank Fusion)公式。

想象一下,你和你的朋友们都在寻找一本丢失的书。你们每个人都列出了自己认为最有可能藏书的地方,并且按照可能性从高到低排序。RRF公式就是用来结合所有人的列表,找出最有可能的地方。

假设有三个朋友,他们的列表如下:

朋友A的列表:

  1. 书架
  2. 桌子
  3. 床下

朋友B的列表:

  1. 床下
  2. 书架
  3. 桌子

朋友C的列表:

  1. 桌子
  2. 书架
  3. 床下

RRF公式是这样工作的:对于每个地方,我们计算它在每个人列表中的位置的倒数,然后把这些倒数加起来。这个总和就是这个地方的"融合分数"。

例如,对于"书架",它在朋友A的列表中排名第1,在朋友B的列表中排名第2,在朋友C的列表中排名第2。我们计算倒数:

  • 朋友A:1 / 1 = 1
  • 朋友B:1 / 2 = 0.5
  • 朋友C:1 / 2 = 0.5

然后把这三个数加起来:1 + 0.5 + 0.5 = 2。

对于"床下",它在朋友A的列表中排名第3,在朋友B的列表中排名第1,在朋友C的列表中排名第3。我们计算倒数:

  • 朋友A:1 / 3 = 0.33
  • 朋友B:1 / 1 = 1
  • 朋友C:1 / 3 = 0.33

然后把这三个数加起来:0.33 + 1 + 0.33 = 1.66。

对于"桌子",它在朋友A的列表中排名第2,在朋友B的列表中排名第3,在朋友C的列表中排名第1。我们计算倒数:

  • 朋友A:1 / 2 = 0.5
  • 朋友B:1 / 3 = 0.33
  • 朋友C:1 / 1 = 1

然后把这三个数加起来:0.5 + 0.33 + 1 = 1.83。

最后,我们比较这三个地方的"融合分数":书架(2),床下(1.66),桌子(1.83)。书架的分数最高,所以它是最有可能藏书的地方。

这就是RRF公式的基本思想,它帮助我们结合多个列表,找出最有可能的答案。

相关推荐
吴佳浩33 分钟前
Skill 为什么不同于 Tool?Agent 技能库的自演进与动态加载机制
人工智能·agent·ai编程
大模型任我行4 小时前
谷歌:“课程学习”融入扩散模型强化学习
人工智能·语言模型·自然语言处理·论文笔记
AIGCmagic社区4 小时前
具身智能专题:机器人也有Scaling Law?智元GE-Act 2.0用3万小时真机数据给出答案
人工智能·aigc·具身智能
Rosanci4 小时前
谷歌浏览器插件开发实战指南:从 Hello World 到上架发布
大数据·人工智能·chrome·程序人生
明月_清风5 小时前
AI 越来越强,程序员真正的价值到底是什么?
人工智能·后端
m0_466525295 小时前
云从科技上线云起ModelHub:AI团队时代的模型算力基础设施
大数据·人工智能·科技
火山引擎开发者社区5 小时前
OpenViking:给 Codex 加上长期记忆
人工智能
荆棘鸟智能5 小时前
城市感知设备怎么统一接入?从多协议网关到设备模型的中间件架构设计
人工智能·算法·边缘计算
火山引擎开发者社区6 小时前
当 AI 内容真假难辨,谁来为真实签名 —— 证书中心 C2PA 内容可信溯源服务正式发布
人工智能
百万蹄蹄向前冲6 小时前
风扇转了一晚上MVP专家团翻车事故
前端·人工智能