AITOPAI热报

BM25

product · First seen 2026-05-22 · Last seen 2026-10-23 · 77 mentions

Overview

BM25 是一种基于词频统计的经典文本检索排序算法，至今仍是搜索引擎、数据库和 RAG（检索增强生成）系统中最常用的关键词检索基线之一。在向量检索流行的当下，BM25 并未被淘汰，反而以「混合检索」的形式与语义搜索结合，成为 AI 应用落地的重要组件。

BM25 近期进展

  • Zed 实测 25 种 MCP 工具搜索方案，最终选择加权 BM25：代码编辑器 Zed 团队对 25 种 MCP 工具搜索方案进行实测，最终选择了加权 BM25 方案。这一选型说明在高精度、低延迟的工具匹配场景中，BM25 这类轻量算法仍有实际竞争力，不一定需要向量模型。
  • Pinecone 数据库全文搜索正式可用：以向量数据库起家的 Pinecone 正式上线全文搜索能力，补齐了关键词检索短板，通常底层即采用 BM25 类算法。向量数据库厂商集体拥抱 BM25，反映了混合检索已成行业标配。
  • Milvus 五步搭建题库混合检索：语义、BM25 与标量过滤结合：Milvus 给出了将语义向量、BM25 关键词检索与标量过滤三者结合的搭建教程，展示混合检索在实际业务（如题库搜索）中的落地路径。
  • 面向乳腺病灶管理的 RAG 系统证据感知检索评估方法与SRCoT 架构提出：检索-反思-修订闭环让本地 LLM 生成带证据标注的文本：多项学术工作将 BM25 作为 RAG 检索环节的基线或组成部分，用于医疗等对证据可溯源要求较高的场景。

    • 当前焦点与观察点

    当前围绕 BM25 的讨论主要集中在三个方向。其一是混合检索的融合权重问题：BM25 擅长精确匹配术语、代码标识符和专业名词，向量检索擅长语义泛化，两者如何加权（如 Zed 的加权 BM25 方案、Qdrant 探索的金融搜索混合检索）仍是工程调优的核心。

    其二是基础设施的普及：Pinecone、Milvus、Databricks 的 Lakebase Search 等平台相继内置关键词检索，开发者无需自建倒排索引即可使用 BM25，降低了混合检索的使用门槛。此外，Context.dev 开源的 Rust 编写本地语义搜索工具 sgrep，也体现了对轻量级、低依赖检索方案的需求。

    其三是定位之争：在语义模型能力不断增强的背景下，BM25 的价值不在于替代向量检索，而在于提供可靠、可解释、零训练成本的关键词召回通道。未来值得观察的是 BM25 变体（如 BM25F）在多字段检索中的应用，以及智能体（Agent）场景下它与语义检索的分工边界如何演进。

    Coverage

    10 on file