# Vector search ≠ just similarity

This deep dive by Pavan Kumar, our star - shows how relevance feedb...

Canonical URL: https://www.traeai.com/articles/fda5346b-1724-472f-8181-bfbec8e823ea
Original source: https://x.com/qdrant_engine/status/2049048298238173418
Source name: Qdrant(@qdrant_engine)
Content type: tweet
Language: 英文
Score: 7.5
Reading time: 1 分钟
Published: 2026-04-28T08:49:18+00:00
Tags: 向量搜索, 相关性反馈, Qdrant

## Summary

Pavan Kumar深入探讨了如何通过相关性反馈使向量搜索更智能，包括从用户信号中学习、动态优化结果和提高RAG准确性。

## Key Takeaways

- 向量搜索不仅仅是相似性匹配，还包括相关性反馈。
- 通过用户信号可以动态优化搜索结果。
- 相关性反馈有助于提高RAG（Retrieval-Augmented Generation）的准确性。

## Outline

- 引言 — 介绍Pavan Kumar的文章，强调向量搜索与相关性反馈的重要性。
  - 从用户信号中学习 — 讨论如何利用用户反馈来改进搜索结果。
  - 动态优化结果 — 解释如何根据用户行为动态调整搜索结果。
  - 提高RAG准确性 — 说明相关性反馈如何提升RAG模型的性能。

## Highlights

- > 向量搜索不仅仅是相似性匹配，还包括相关性反馈。 — 第 1 段
- > 通过用户信号可以动态优化搜索结果。 — 第 2 段
- > 相关性反馈有助于提高RAG（Retrieval-Augmented Generation）的准确性。 — 第 3 段

## Citation Guidance

When citing this item, prefer the canonical traeai article URL for the AI-readable summary and include the original source URL when discussing the underlying source material.