向量检索
Vector Retrieval
别名：向量搜索 / 矢量检索 / Vector Search
向量检索是将文本、图像或其他对象编码为数值向量，再通过近邻搜索寻找相似对象的信息检索方法。它常用于语义检索和 RAG 的候选召回，但相似不等于事实相关。
向量如何产生
编码模型把对象映射到固定维度的向量空间，使语义或特征相近的对象在某种距离度量下更接近。不同模型、训练数据和切分方式会形成不同的向量分布。
近似最近邻
大规模数据集中逐一计算距离成本较高，因此工程系统常使用近似最近邻索引，以少量召回精度换取速度和存储效率。索引参数决定延迟、资源消耗与召回率之间的平衡。
边界与误差
向量相似度只能反映编码模型捕捉到的接近程度，不能验证事实、权限或时效。生产检索通常还要结合关键词过滤、元数据约束、重排和权限检查。
常见问题
向量检索就是语义检索吗？
不完全是。向量检索是一种实现机制；语义检索是理解含义的目标，也可结合知识图谱或其他方法。
余弦相似度越高，答案就越正确吗？
不是。高相似度仅说明向量接近，仍需评估文档相关性、事实质量和生成忠实度。
参考资料
FAISS: A library for efficient similarity searcharXiv · 术语定义与技术背景 · 访问 2026-08-30
Sentence-BERT paperarXiv · 术语定义与技术背景 · 访问 2026-08-30