定义

RRF是无监督多检索结果融合算法，专门用于混合检索（Hybrid Search）：同时跑多路检索（BM25 关键词稀疏检索 + 向量稠密检索 / 多模型召回 / 多查询 RAG-Fusion），把多份独立排序列表合并成一份最优排序结果

为什么用RRF

BM25 和 向量检索分数完全不互通，RRF的核心思路：扔掉原始分数，只看文档在每一路的位次排名；    一个文档在越多检索链路里排名靠前，它整体相关性越高，最终排序越靠前

核心公式

RRFScore(d) =  

参数说明：

1. d：单篇文档
2. N：检索通路总数（混合检索一般 N=2：BM25 + 向量)
3. k：平滑常数（行业标准固定 k=60）

k太小或太大都不适合，当k=60时 平衡头部权重、弱化末尾文档干扰，所以默认60

RRF 核心优势（混合检索必备）

• 无需分数归一化 完全不依赖 BM25、向量相似度原始分值，天然解决量纲不统一问题；
• 零训练、开箱即用 无监督算法，不用标注、不用训练排序模型，落地成本极低；
• 多路召回兼容 不限于 BM25 + 向量，支持 SPLADE、多 Embedding 模型、RAG-Fusion 多查询结果融合；
• 鲁棒性强 不会被单一路检索的极端高分文档垄断，兼顾关键词精准匹配与语义泛化；
• 实现简单 几十行代码即可完成融合，ES、Lindorm、Azure 搜索原生内置 RRF 算子。