Hybrid Retrieval & RRF Fusion: 解释分数融合与排名融合的差异。

Core Concept: 分数融合用归一化后的分数加权（保留置信度但需正确归一化）；排名融合用排名（鲁棒但丢信息）。

数学机理：<strong>两类融合</strong>。(1) <strong>分数融合（score fusion）</strong>——把各检索器的分数<strong>归一化</strong>后<strong>加权求和</strong>：score(d)=Σ_i w_i·s̃_i(d)，其中 s̃ 是归一化后的分数。<strong>归一化方式</strong>——(a) <strong>min-max</strong>——(s−min)/(max−min)；<strong>问题</strong>——对异常值敏感（一个极值会压缩其他值）；(b) <strong>z-score</strong>——(s−μ)/σ；<strong>问题</strong>——假设正态（检索分数常偏斜）；(c) <strong>分位数/秩归一化</strong>——把分数映射到分位数（0~1）；<strong>更鲁棒</strong>；(d) <strong>softmax 归一化</strong>；(e) <strong>sigmoid</strong>。<strong>优点</strong>——(a) <strong>保留置信度信息</strong>（'top-1 比 top-2 好多少'）；(b) 可加权（体现检索器的强弱）。<strong>缺点</strong>——(a) <strong>归一化方式难选</strong>（不同方式结果差异大）；(b) <strong>对分数分布敏感</strong>（若某检索器的分数分布与其他差异大，归一化后可能失真）；(c) 需调权重 w。(2) <strong>排名融合（rank fusion）</strong>——只用<strong>排名</strong>：score(d)=Σ_i 1/(k+rank_i(d))（RRF）。<strong>优点</strong>——(a) <strong>无需归一化</strong>（排名天然可比）；(b) <strong>鲁棒</strong>（对分数尺度与异常值不敏感）；(c) <strong>无需调权重</strong>（默认等权）。<strong>缺点</strong>——(a) <strong>丢弃分数信息</strong>（'top-1 与 top-2 差多少'不可知）；(b) <strong>等权</strong>（无法体现检索器强弱）；(c) 只看'排名位置'。(3) <strong>取舍</strong>——(a) <strong>分数分布相似、可比</strong> → 分数融合（信息更多）；(b) <strong>分数尺度差异大/不稳定</strong> → 排名融合（更稳）；(c) <strong>有训练数据</strong> → 学习式融合（最优）。<strong>学习式融合</strong>——用 LTR 模型，输入是各路的分数与特征，输出融合后的排序；<strong>优点</strong>——能学'最优的归一化与权重'；<strong>缺点</strong>——需标注数据、可能过拟合。<strong>其他融合</strong>——(a) <strong>CombSUM / CombMNZ</strong>（分数求和/乘以非零路数）；(b) <strong>Borda count</strong>（排名投票）；(c) <strong>加权 RRF</strong>（给不同检索器不同权重）；(d) <strong>级联融合</strong>（先粗融合再精排）。<strong>实证</strong>——(a) RRF 在'分数尺度不可比'时明显优于朴素分数融合；(b) 但若正确归一化 + 调权重，分数融合可优于 RRF（信息更多）；(c) 学习式融合通常最优（但有数据要求）。<strong>实践建议</strong>——(a) <strong>无训练数据</strong> → RRF（默认）；(b) <strong>有训练数据</strong> → 学习式融合；(c) <strong>若用分数融合</strong> → 用<strong>分位数归一化</strong>（比 min-max 鲁棒）+ 调权重；(d) <strong>融合后重排</strong>（最终精度靠重排）；(e) <strong>评估</strong>（不同融合方式的对比）。<strong>度量</strong>——(a) NDCG/MRR；(b) 不同归一化方式的效果差异；(c) 对异常分数的鲁棒性测试。

深度剖析与工程权衡：① <strong>'归一化难'是分数融合的核心问题</strong>——min-max 对异常值敏感、z-score 假设正态；故'分位数归一化'更鲁棒。② <strong>'排名融合更稳但丢信息'</strong>——这是 RRF 的取舍；故在'分数可靠'时用分数融合更优。③ <strong>'学习式融合最优但有数据要求'</strong>——它把'归一化 + 权重'都交给模型学；是'有数据'时的最佳选择。④ <strong>'CombMNZ 等经典方法'</strong>——它们通过'乘非零路数'来奖励'多路都召回的文档'；思想与 RRF 相近。⑤ <strong>'融合后必重排'</strong>——融合只影响'候选与粗排序'，最终精度靠重排。⑥ <strong>面试要点</strong>——被问'分数融合 vs 排名融合'，应给出'<strong>分数融合（保留置信度但归一化难）vs 排名融合（鲁棒但丢信息）</strong>'与'<strong>归一化方式（分位数更鲁棒）+ 学习式融合最优</strong>'；能指出'min-max 对异常值敏感'是深度理解的标志。