← 返回概念解读

Concept Fable精修版

最大边际相关性

Maximal Marginal Relevance, MMR · Retrieval

先读故事。这里不急着给定义,先让问题自己长出来。

寓言故事

馆长不再把同一种答案摆满桌子

研究员问档案馆:有哪些客户会因为升级失败而流失?检索整套装置很快找来十份材料,分数都很高。馆长一看却皱眉。十份材料里有八份来自同一个事故复盘,只是换了标题和摘要。它们都相关,但放满桌后,别的风险线索就没有位置了。工匠先删重复文档。可问题没有解决:同一事故的客服记录、工单、会议纪要和补丁说明并不完全重复,却讲的是同一个角度。有人建议只按分数排序。分数越高越靠前。结果机关读到的证据越来越集中,回答很自信,却遗漏了培训不足、权限配置和客户沟通这些旁支原因。

后来馆长换了摆桌规则。每加入一份新材料,都要问两件事:它和问题有多相关;它和桌上已有材料有多不一样。

第一次应用时,整套装置没有把同一事故的十份记录全放进上下文,而是保留一份复盘、一份工单、一份客户邮件、一份版本说明和一份续约风险记录。

机关的回答变了。它不再只说‘升级失败导致流失’,而能拆出技术故障、沟通节奏、补偿方案和客户内部审批延误。

馆长提醒团队:多样性不是为了好看,而是为了让有限上下文覆盖更多互补证据。相关但重复的材料,会偷走真正有增量的信息位置。

从那以后,档案馆的桌面不再追求每张纸都最像问题,而追求整体上最能帮助回答问题。

新规则刚推时,研究员不适应。他习惯把最高分的纸全抱走,觉得分低一点就是差。馆长让他把十张纸按原因贴到墙上,他才看到高分纸常常只是互相复述。

后来档案馆给每次选纸留下一句说明:这张补了哪个角度,替下了哪张重复材料。有限桌面被当成稀缺资源管理,回答也从单一事故扩展到完整原因链。

揭示

这个故事讲的是:最大边际相关性

Maximal Marginal Relevance, MMR 是一种在相关性和多样性之间做权衡的检索结果选择方法。它会优先选择既与查询相关、又与已选结果不太重复的文档。RAG 中,MMR 常用于上下文选择,避免 top-k 被同质 chunk、重复页面或相同事故记录占满,从而提高有限上下文窗口的信息覆盖率。它不是追求单条最高分,而是优化一组证据的组合价值。

它重要的地方在于:它不只是一个术语,而是在真实 AI / Agent 系统里会反复出现的结构性问题。理解它,才能判断什么时候该加模型,什么时候该改流程,什么时候该补治理。

隐喻映射

  • 十份高分材料:单纯按相似度排序的 top-k 结果
  • 同一事故的多种记录:语义相近但不完全重复的候选 chunk
  • 删重复文档:只能处理字面重复,不能处理信息冗余
  • 两件事:MMR 同时考虑 query relevance 与 diversity
  • 保留不同类型证据:让上下文覆盖互补信息
  • 有限上下文:企业 Agent 中 token 窗口和成本的硬约束
  • 整体最能回答问题:MMR 优化的是结果集合,而不是单个最高分

Soloharness 判断

这个概念的实战价值,是帮你把“看起来聪明的 AI 功能”拆成可交付、可验收、可治理的工作单元。

diversificationreranking

相关辨析

这个概念容易和相邻概念混用,建议继续看对比页。