已验证80% 置信事实时间未知
BM25（Best Matching 25）是由Stephen Robertson等人在1990年代提出的概率排序算法，基于词频、逆文档频率和文档长度归一化三个因素进行相关性打分
6
来源数
80%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
Agentic RAG实战：原理剖析与LangChain代码实现指南
bilibiliAI大模型__
涉及实体
相关事实
待验证BM25 scores document relevance based on three factors: term frequency (TF), inverse document frequency (IDF), and document length normalization59% 相似待验证根据Artificial Analysis的独立评测，Glimmer 30B的智能指数得分为35分58% 相似待验证生产中典型做法是先用向量检索和BM25快速召回50-100个候选结果，再用reranker精排取top-k送入LLM57% 相似待验证混合精度训练中，FP16 每个参数占 2 字节显存，FP32 每个参数占 4 字节显存57% 相似待验证在识别包含 28 项信息的电子发票测试中，Ornith 9B 和 35B 均完整提取出全部 28 项字段，匹配率 100%56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/26802API
curl https://kongchang.com/api/v1/knowledge/claims/26802MCP
get_claim(id=26802)