人名权重增强
概述
从查询中提取大写专有名词（人名等），为包含该实体的候选结果施加距离缩减以提升排名的检索优化技术。
关键内容
- 失败案例：问题"Rachel 和 ukulele 是什么时候的事"，向量模型给人名的权重不够高，导致目标会话未被召回
- 修复机制：从问题中提取大写专有名词，为包含该名词的会话施加 40% 距离缩减
- 效果：目标会话从"未排名"跳到排名第 2
- 在 MemPalace 中的位置：Hybrid v5 架构的 Fix 2
- 原理：向量搜索倾向于均匀分配权重，但人名等专有名词在检索中通常具有更高的区分度，需要额外加权
- 扩展应用：可推广到其他命名实体类型（地名、组织名、产品名等）
来源
- raw/articles/ai-tools/mempalace/mempalace_07_benchmarks.md — MemPalace 深度解析第七篇：Benchmark 深度解析