M7-022M7: 检索、排序与推荐系统混合检索与融合Hard
⚡闪卡盲测➔掌握度:

解释检索中的查询改写与扩展

🎯 深度面试自测闭环(先口述或草拟,再核对解析)
免登录记录进度:核心结论回忆 → 避坑清单自查 → 标记掌握或加入错题队列。
Step 1 · 尝试用 1–2 句话回答这道题的核心结论与适用边界
Step 2 · 勾选已覆盖的陷阱与追问思考
下一题: M7-023 →
📐 核心数学机理公式
rewrite: q→q′;expand: q→q+Δ;risk: query drift\text{rewrite}:\ q\to q';\qquad \text{expand}:\ q\to q+\Delta;\qquad \text{risk}:\ \text{query drift}
⚡ 一句话直击要害答案
改写(补全指代/纠错/分解)与扩展(加同义词/相关词)可提升召回;但可能引入噪声(查询漂移)。

📌 核心要点提炼

  • •
    改写:补全上下文、纠错、分解多跳问题、调整表述
  • •
    扩展:加同义词、相关词、上位词(提升召回)
  • •
    风险:查询漂移(扩展偏了导致噪声)、成本(额外 LLM 调用)

📐 数学机理与严密推导

数学机理:查询改写与扩展——(1) 改写(rewriting)——把查询变换为更'可检索'的形式:(a) 上下文补全(多轮对话中'它'指什么);(b) 拼写/语法纠正;(c) 多跳分解('A 的创始人的母校' → 拆成'A 的创始人' + '其母校');(d) 意图澄清('苹果' → '苹果公司' 或 '苹果水果');(e) 表述规范化(口语 → 书面)。(2) 扩展(expansion)——增加词(而非替换):(a) 同义词('汽车' → '汽车 轿车 车辆');(b) 相关词/共现词;(c) 上位词/下位词('水果' → '水果 苹果 香蕉');(d) 翻译(跨语言扩展);(e) 伪相关反馈(PRF/RM3)——先用原查询检索、假设 top-k 相关、从中提取扩展词。收益——提升召回(尤其对'短查询/词汇失配');代价——(a) 查询漂移(query drift)——扩展词偏了(PRF 尤其明显:若首次检索差则越走越偏);(b) 精度下降(引入噪声);(c) 成本(额外 LLM 调用 / 额外检索);(d) 延迟(多一次往返)。什么时候该做——(a) 短查询/歧义查询——收益大;(b) 多轮对话——必须补全上下文;(c) 多跳问题——必须分解;(d) 长且明确的查询——不该做(已足够明确,扩展只会引入噪声);(e) 精确匹配需求(如'查找 ERR_403')——不该扩展(会破坏精确性)。实现方式——(a) 规则(同义词表、词典);(b) 统计(PRF/RM3、词共现);(c) 模型(用 LLM 改写/扩展——当前主流);(d) 知识图谱(用实体关系扩展);(e) 多查询生成(生成多个改写、各自检索、融合)。与'多查询'的关系——(a) 单查询扩展(把扩展词并入原查询);(b) 多查询(生成 m 个改写,各自检索,用 RRF 融合);后者更鲁棒(某个改写偏了不至于全错)。评估——(a) 召回提升(扩展的收益);(b) 精度损失(引入的噪声);(c) 端到端 NDCG;(d) 漂移率(扩展后 top-k 与原 top-k 的重叠度——重叠过低说明漂移)。实践建议——(a) 多轮对话必做上下文补全(否则检索质量差);(b) 短查询可扩展(配多查询 + RRF 融合);(c) 长/精确查询不扩展;(d) 用多查询而非单查询扩展(更鲁棒);(e) 按查询类型路由(分类后决定是否改写);(f) 监控漂移率。度量——(a) 分查询类型的召回/NDCG;(b) 漂移率;(c) 延迟与成本。

🏭 深度剖析与工业落地权衡

深度剖析与工程权衡:① '查询漂移'是扩展的核心风险——PRF 尤其明显;面试中能指出这一点是深度理解的标志。② '不是所有查询都该改写'——长/精确查询扩展会引入噪声;故需'按查询类型路由'。③ '多查询 + RRF 融合'比'单查询扩展'更鲁棒——因为某个改写偏了不至于全错。④ '多轮对话的上下文补全'是必需的——否则'它是什么'这类查询无法检索;这是对话式检索的基础。⑤ '多跳分解'与'迭代检索'的关系——多跳问题需'边推理边检索'(见 Self-RAG 与多跳题);不是一次改写能解决的。⑥ 面试要点——被问'查询改写有什么用',应给出'改写(补全/纠错/分解)与扩展(同义词/PRF)+ 收益(召回)+ 风险(漂移/噪声/成本)'与'按查询类型路由 + 多查询融合 + 监控漂移率';能指出'不是所有查询都该改写'是深度理解的标志。
⚠️ 常见面试陷阱与高频失分点
  • ✕
    对所有查询都做扩展(长/精确查询受损)
  • ✕
    用 PRF 不监控漂移(可能越走越偏)
🎯 面试官连环追问与延伸考察
  • ?
    改写与扩展的区别?
  • ?
    什么时候不该改写?
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
📚

关联知识库专题与交互式导图

← 上一题M7-021: 解释多路召回的设计与配额分配📋 返回题库下一题 →M7-023: 解释检索系统的一致性(训练-服务)问题