Qdrant(@qdrant_engine)
How many candidates should your vector search retrieve? If you want 5 final results, retrieving 100...
8.5内容质量
TL;DR · AI 摘要
向量搜索中检索更多候选（如100个）可提升重排序效果，但增加至500个时收益有限（nDCG@10提升0.28，实际评分变化<0.01）。
核心要点
- 检索100个候选比10个更有利于重排序阶段优化结果
- 候选数增至500时nDCG@10最大提升0.28但实际评分变化<0.01
- 部分文档已存在于候选集但因排名不足未被选中
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- 向量搜索候选数量影响
- 实验方法
- 5个公开数据集测试
- 核心发现
- nDCG@10提升0.28（10→500）
- 实际评分变化<0.01
- 文档存在但排名不足
- 实践建议
- 优先保证候选集质量而非盲目扩大数量
金句 / Highlights
值得收藏与分享的关键句。
候选数从10→500时nDCG@10最佳可能提升0.28，但实际评分变化最大仅0.01
部分文档已存在于候选集但因排名不足未被选中
检索更多候选为重排序或融合阶段提供更多优化空间
#向量搜索#Qdrant#信息检索#nDCG
打开原文Qdrant在X平台上的推文："你的向量搜索应该检索多少候选项？如果你想获得5个最终结果，首先检索100个候选项可以为重排序器或融合阶段提供更多处理素材。我们在五个公开数据集上进行了候选深度实验，并记录了发现。将限制从10提升至500可使最佳nDCG@10值最多提高0.28，但当前评分变化最大仅为0.01。有时文档已经被检索到，只是排名不够靠前。"
@qdrant_engine
你的向量搜索应该检索多少候选项？如果你想获得5个最终结果，首先检索100个候选项可以为重排序器或融合阶段提供更多处理素材。我们在五个公开数据集上进行了候选深度实验，并记录了发现。将限制从10→500可使最佳nDCG@10值最多提高0.28，但当前评分变化最大仅为0.01。有时文档已经被检索到，只是排名不够靠前。
qdrant.tech/articles/candi…
2026年9月21日 下午1:00
·
1,579
浏览量
9
2
35
15