splade-deep

SPLADE / SPLADE++ 深入探讨了学习式稀疏检索技术。SPLADE 与 BM25 的区别主要体现在： - **学习式词项扩展**：SPLADE 通过神经网络自动学习查询和文档的词项扩展，而 BM25 依赖静态的词频统计； - **FLOPS 正则化**：SPLADE 引入 FLOPS 正则化项，控制稀疏向量的非零元素数量，提升计算效率； - **稀疏向量索引支持**：SPLADE 可在 Qdrant 的稀疏向量索引和 Elasticsearch 中高效部署； - **与稠密检索的混合使用**：SPLADE 可与稠密向量检索结合，实现混合检索，兼顾语义匹配与关键词匹配优势； - **效率权衡**：SPLADE 在检索精度与计算开销之间取得平衡，尤其适合对稀疏性有要求的场景； - **SPLADE 优于 BM25 的场景**：当查询存在词汇不匹配（如专业术语、同义词）或需要语义扩展时，SPLADE 通常表现更优。 适用场景：用户提及 "SPLADE"、"SPLADE++"、"学习式稀疏"、"神经稀疏"、"FLOPS 正则化"、"稀疏向量检索" 或 "naver/splade"。 不适用场景：经典 BM25 调参（使用 `retrieval/bm25-tuning`）；纯稠密检索（使用 `vector-stores/*`）；混合检索融合算法（使用 `rag/hybrid-search`）。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本