距离缩减
概述
在向量检索结果基础上，对满足特定条件的候选结果施加距离值缩减，从而强制提升其最终排名的后处理技术。
关键内容
- 工作原理：不改变向量本身，而是修改检索后的距离/相似度分数，使目标候选在排名中上升
- 在 MemPalace 中的应用：
- 精确短语引号提取：60% 距离缩减 → 目标从"未排名"跳到第 1
- 人名权重增强：40% 距离缩减 → 目标从"未排名"跳到第 2
- 与重新排序的区别：距离缩减是轻量级的分数调整，不需要重新计算向量或调用 LLM
- 参数选择：不同场景使用不同的缩减比例（40%-60%），需要根据实际效果调优
- 风险：过度缩减可能导致不相关内容被过度提升，需要设定合理的触发条件
来源
- raw/articles/ai-tools/mempalace/mempalace_07_benchmarks.md — MemPalace 深度解析第七篇：Benchmark 深度解析