1稀疏检索、倒排索引与BM25
闭卷重建稀疏检索、倒排索引与BM25的对象、公式、算例、算法与失败边界。
自然语言处理 · 小纸条
选一章打印。双面打印（按长边翻页）后沿虚线剪开，每张卡片正面题目、背面答案。
第 1 页 · 正面（题目）
2稠密检索与双编码器
闭卷重建稠密检索与双编码器的对象、公式、算例、算法与失败边界。
3混合检索、重排与候选预算
闭卷重建混合检索、重排与候选预算的对象、公式、算例、算法与失败边界。
4抽取式问答与跨度概率
闭卷重建抽取式问答与跨度概率的对象、公式、算例、算法与失败边界。
5生成式问答与证据约束
闭卷重建生成式问答与证据约束的对象、公式、算例、算法与失败边界。
6RAG分块、上下文组装与冲突
闭卷重建RAG分块、上下文组装与冲突的对象、公式、算例、算法与失败边界。
7检索问答评价与失败归因
闭卷重建检索问答评价与失败归因的对象、公式、算例、算法与失败边界。
第 1 页 · 背面（答案）
对象：双编码器独立编码查询和文档，以向量相似召回；负样本、池化和索引版本决定语义空间。；公式：score(q,d)=cosine or dot product of embeddings。；算例：单位向量点积.8则余弦.8；若未归一，点积还受范数影响。；边界：文档encoder升级但索引未重建；测试问答对进入负样本挖掘。。
对象：倒排索引从词到文档列表，BM25结合词频饱和、逆文档频率和长度归一形成可解释基线。；公式：idf≈log((N-df+0.5)/(df+0.5)) under BM25 variant。；算例：稀有词df小则idf高；同词在超长文档中的边际贡献被长度归一抑制。；边界：索引和查询tokenization不同；把停用词全部删除损伤短语。。
对象：抽取QA在给定上下文预测起止位置，需保证end≥start并处理无答案、长文切窗与跨窗口。；公式：score(span i,j)=start_score_i+end_score_j with legal constraints。；算例：start2分3、end4分2，总span分5；非法end<start应排除。；边界：答案被tokenization拆分后偏移错；每窗概率直接横比未校准。。
对象：稀疏擅长精确词，稠密擅长语义；融合后cross-encoder重排有限候选，召回上限受第一阶段限制。；公式：final recall≤candidate-stage recall。；算例：第一阶段未召回答案文档，重排器再强也无法恢复。；边界：只报重排后MRR不报候选召回；并集未去重挤占预算。。
对象：RAG把检索文档切块、召回、重排并组装上下文；chunk边界、版本、新鲜度和互相冲突需显式处理。；公式：usable context=top evidence within token budget after dedup/version/conflict checks。；算例：预算1000 token，系统/问题200，若每块200，最多装4块且未计分隔符。；边界：把相邻重叠块当独立证据；旧政策与新政策混合生成。。
对象：生成QA可综合多段信息，但输出不天然受证据约束；必须区分答案正确、证据充分和引用对应。；公式：grounded answer=answer correctness∧evidence support∧citation alignment。；算例：答案数字正确但引用段没有该数字，不能算有根据。；边界：模型参数知识覆盖检索证据却无提示；引用只指整页无法核对。。
对象：端到端失败可来自语料缺失、索引、召回、重排、阅读、生成或引用；只看答案分数无法定位。；公式：end success requires corpus coverage×retrieval×reader/generator×policy chain。；算例：100问中90有证据、其中80召回、其中70回答正确，端到端70%。；边界：用生成器补猜掩盖召回失败；答案近似匹配把关键数字错算对。。