Chroma 的边际相关性检索 - Maximal Marginal Relevance,检索的多样性

"边际相关性检索" 是 Chroma 里的高级查询模式,MMR(Maximal Marginal Relevance,最大边际相关)

它解决什么问题

普通相似度检索只按 "和查询最像" 返回,结果往往扎堆重复

比如查 "如何健身",可能返回的 10 条全是讲举铁的

MMR 的目标是:既相关,又不重复,让你拿到一个 "相关且多样" 的结果集

核心公式

对每一条候选结果算一个分数:

复制代码
最终分 = λ × 与查询的相似度 − (1−λ) × 与已选结果的相似度
  • 第一项:越相关分越高(跟查询像)
  • 第二项:跟已选的越重复,扣分越多(多样性惩罚)

选结果时贪婪地一条条挑:每轮选当前 "相关度高 + 与已选最不重复" 的那条,直到选满

λ 参数的作用

在 Chroma 里怎么用

复制代码
results = collection.query(
    query_texts=["健身"],
    n_results=10,
    # MMR 相关参数
    lambda_param=0.5,        # 多样性 vs 相关性的权衡
    fetch_k=50,                     # 先取50个候选,再从中做MMR挑10个
    mmr_threshold=0.8         # 相似度低于此阈值的不选(可选)
)

关键点:fetch_k 要大于 n_results,否则没有多余候选可做去重;系统先粗取 fetch_k 个,再用 MMR 精挑出 n_results 个

什么时候该用

  • RAG 检索增强生成:给大模型喂上下文时,避免喂一堆同质化片段,让回答覆盖面更广
  • 推荐系统:推荐结果不想全是同一个类型的商品 / 文章
  • 知识库问答:同一问题想看多个角度的答案

什么时候不要用

  • 就是要最相关的 N 条 (比如精确找最相似的向量做匹配),用普通 similarity 就行,MMR 反而可能丢掉最相关的 1 条
  • 数据量很小或本身就多样,MMR 收益不大

总结

MMR = 在 "跟查询相关" 和 "结果彼此不重复" 之间做平衡,用 λ 控制天平

在 Chroma 里就是 query 时传上 lambda_param、fetch_k 等参数即可

相关推荐
叼烟扛炮7 小时前
[LangChain] 学习笔记(09):工具(Tool)定义与调用闭环 · 理论+实战完整版
笔记·学习·langchain
个 人 练 习 生7 小时前
C++:从零基础到深入了解vector的使用
开发语言·c++·经验分享·学习·程序人生·stl
Rabitebla9 小时前
【Linux操作系统】 文件篇(一):文件描述符与 Linux 文件管理机制
linux·网络·c++·笔记·学习
旖旎夜光11 小时前
【C++ 基础入门】智能指针:RAII、unique_ptr 与 shared_ptr 循环引用
c++·笔记·学习·智能指针
zdr尽职尽责13 小时前
终端工具凭空消失:Codex + GPT-6 的一次完整排障复盘
数据库·gpt·学习·ai
蒸蒸yyyyzwd15 小时前
计算机网络后端面试错题
笔记·学习
艾莉丝努力练剑16 小时前
【AI大模型接入SDK】C++的SessionManager 线程安全
java·开发语言·前端·c++·人工智能·学习·安全
蒸蒸yyyyzwd17 小时前
数据库相关错题笔记
笔记·学习
蒸蒸yyyyzwd19 小时前
后端学习笔记,设计模式相关以及微服务相关
笔记·学习
Hhy_110719 小时前
《C++深度解构07》手撕 vector —— 从底层三指针架构到迭代器失效彻底吃透
c语言·开发语言·c++·学习·visual studio