Weaviate 上线 Diversity Ranking：一个参数解决检索结果同质化

Weaviate 推出 Diversity Ranking 功能，针对向量搜索、BM25 和 cross-encoder 都存在的同一问题：每篇文档只按与 query 的相关性打分，返回的 top-k 结果常常高度重复，比如问"史上最伟大运动员"会得到五名篮球运动员。其实现基于经典的 Maximal Marginal Relevance（MMR）算法，在每一步选择时同时权衡候选结果与 query 的相关性，以及与已选结果的相异度，让结果列表覆盖整个主题而非单一角落。使用上只需设置一个参数：Weaviate 的 search 层支持 diversity_weight，取值 0.0 到 1.0，越接近 0 越偏重相关性，越接近 1 越偏重多样性；qa.search 接口可直接传入 diversity_weight=0.5；Query Agent 中则在向量或混合查询上加 diversity_selection=Diversity.mmr(...)，其中 balance 参数方向相反（0.0 偏多样性、1.0 偏相关性）。此前开发者要自己实现多样性重排，需要超额取回大候选池、做候选间相似度检测、编写并调优独立的 reranking 阶段、长期维护这套流水线代码，现在这些步骤被收敛为一个参数配置。