BM25 相关 AI 资讯 · AI 热点

7月10日

01:02

01:02

Weaviate@weaviate_io

精选

Weaviate Playground 推出 ecommerce demo，名为 WeCommerce，支持关键词、情绪或氛围查询，自动路由到 BM25、语义向量搜索或混合搜索。结果支持实时分面过滤（类别、品牌、价格），产品页通过近对象向量搜索推荐相似商品。整个搜索和推荐由同一向量集合驱动，无需额外基础设施。演示基于 Weaviate Cloud 免费层，可快速搭建。

技巧 Weaviate WeCommerce 向量搜索电商搜索 BM25

推荐理由：想给你的电商加智能搜索？Weaviate 这个 demo 直接演示了关键词、情绪查询和混合搜索怎么做，还带分面过滤，免费就能试。

6月1日

23:00

23:00

Milvus@milvusio

精选

向量搜索擅长语义匹配，但搜索精确型号如“XR-2048”可能出错。BM25能精确匹配术语，但会漏掉语义相近的“refund policy”和“return process”。Milvus通过RRF（Reciprocal Rank Fusion）融合向量搜索和BM25结果。配置只需三步：添加稠密和稀疏向量字段、启用内建BM25函数、使用RRFRanker。内建BM25时不要手动插入稀疏向量，外部模型如BGE-M3才需手动提供。

技巧 Milvus BM25 混合搜索向量搜索 RRF

推荐理由：Milvus官方教混合搜索

5月30日

12:47

12:47

官方一手marktechpost@Asif Razzaq

精选72°

Nous Research 的 Hermes Agent 新增 Tool Search 功能，用于解决 MCP（模型上下文协议）中的上下文膨胀问题。该功能采用 BM25 渐进式模式披露机制，能有效筛选相关工具。Anthropic 的评估显示，在 Opus 4 模型上，该方案将准确率提升了 49% 到 74%。这一改进对依赖 MCP 的 AI 代理系统意义重大，能显著减少无效信息干扰，提升任务执行效率。

AI产品 MCP/工具智能体 Hermes Agent BM25 上下文优化

推荐理由：MCP 上下文膨胀是 AI 代理落地的常见痛点，Hermes Agent 的 Tool Search 用 BM25 精准筛选工具，做智能体开发的团队可以直接参考这个方案来优化自己的系统。

5月12日

19:11

19:11

官方账号arXiv cs.AI@Tz-Huan Hsu, Jheng-Hong Yang, Jimmy Lin

本研究探讨了在构建深度研究系统时，是否仅需词汇检索器BM25配合更强的大型语言模型即可实现高效结果。研究者提出了Pi-Serini搜索智能体，它具备检索、浏览和阅读文档三个工具。在测试集B-Plus上，Pi-Serini搭配gpt-5.5达到了83.1%的答案准确率和94.7%的证据召回率，超过了使用稠密检索的代理。通过调整BM25参数和增加检索深度，答案准确率提升了18.0%，证据召回率提升了11.1%和25.3%。这表明在推理能力更强的LLM辅助下，传统词汇检索仍能发挥重要作用。代码已开源。

论文搜索代理检索增强 BM25 大型语言模型开源/仓库

推荐理由：该研究挑战了稠密检索在深度搜索中不可或缺的假设，为构建轻量、高效、不依赖外挂向量库的搜索代理提供了新思路，值得关注推理模型与经典检索技术的结合。