primer-on-search-relevance

用于评估或改进搜索排序：分级相关性判断、使用 nDCG、精确率和 MRR 对排序进行评分、通过排列检验和自助法区间判断一个排序器是否优于另一个、将大模型（LLM）的相关性判断与人类判断进行对比、调整 BM25 参数、使用嵌入和 HNSW 实现语义检索、通过最小-最大混合或倒数排序融合实现混合检索、查询拼写纠正、同义词扩展、分类以及大模型（LLM）重写、使用 LambdaMART 进行学习排序、交叉编码器和大模型（LLM）重排序、评估 RAG 答案和智能体的检索效果，以及在上线前通过 URisk、A/B 测试、功效分析和交错测试验证搜索变更。课程基于一个公开家具与家居用品产品搜索数据集，使用 Python 教学。

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