想象你是一位聚会摄影师。第一种做法：守在门口，每位客人一到就咔嚓拍一张，然后立刻换下一位。照片拍得飞快，但你完全不知道谁和谁是朋友、谁刚聊过什么。有位客人端着一盒惊喜蛋糕——可“她”到底是谁，得翻前面那张照片才明白。传统 AI 处理文档就像这位门口摄影师：先把文章切成互不相关的小块，再一块一块地编码成向量。块与块之间的故事，全部丢失了。 Late Chunking（末段嵌入）换了种拍法：先不急着按快门，认真观察整场聚会，等对每个人的背景、关系、来意都了然于心，再挨个拍特写。放到文档处理上，就是先用长文本模型把整篇文档一次性编码，让每个词都带着全文的“记忆”，然后沿着原边界切片、聚合向量。这样一来，藏在段落之间的指代、前后呼应，全都留在切片里。 这篇文章用贯穿始终的“聚会摄影师”比喻，把末段嵌入的原理、关键模型、工程流水线、性能代价与因果评估方法讲清楚，让刚入门 AI 的读者也能立刻抓住“先全文编码再切片”这件事为什么重要。

岗位关联

掌握 Late Chunking，能让你在 RAG 检索、长文档问答等场景中显著提升跨段召回准确率——这是构建高质量知识库系统的关键工程能力。

目录
  1. 可视化演示
  2. 1. 切片之痛：门口拍照的摄影师
  3. 2. 末段嵌入原理：先观察，后按快门
  4. 3. 关键模型：什么样的相机看得见全场
  5. 4. 实践流程：从现场到相册的四步
  6. 5. 效果与成本：全场观察的代价
  7. 6. 因果视角：换一种拍法真的更好吗
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

本节配有交互动效（进入视口后自动加载，约 3KB）。

1. 切片之痛：门口拍照的摄影师

门口摄影师每拍一张就立刻换下一位，照片之间毫无联系。这位摄影师不知道苏珊和莉莉是闺蜜，不知道莉莉刚答应要带惊喜蛋糕来。传统 RAG 系统处理文档也这样：把文档按固定长度切成小块，每个小块单独送进嵌入模型，得到一个向量，存入数据库。快，但“谁认识谁”的关系全丢了。

在检索增强生成（RAG）里，文档切片（Chunking）是第一步。工程师通常会按 256 或 512 个 token 切块，然后逐块编码成向量。问题在于：切块时，边界处的句子会被硬生生截断，后一段开头的“它”“该方案”“上述条款”等指代词，在前一段里明明有明确对象，却被切到了看不见的位置。检索“Lily 的惊喜”时，包含 Lily 的块与包含“惊喜”的块互不知情，系统只能返回残缺的匹配结果。这就是上下文割裂、代词悬空、检索偏差三位一体的“切片之痛”。

用数学表达，传统方式下第 $k$ 个切片的向量 $e_k$ 只由切片本身 $c_k$ 决定，与整篇文档 $D$ 无关：

快照只拍下了表情，没拍下关系。等用户拿着“莉莉的惊喜”来找照片时，摄影师翻遍相册也拼不出完整故事。

P(ek∣D)=P(ek∣ck)\displaystyle P(e_k \mid D) = P(e_k \mid c_k)
这个公式是说：传统切片的向量在编码时“只看自己这一块”，整篇文档的其它部分对它毫无影响——跨段信息天然缺失。
  1. 定义变量$D$ 表示完整文档，$c_k$ 表示第 $k$ 个切片，$e_k$ 是该切片编码出的向量。
    D={c1,c2,…,cK}D = \{c_1, c_2, \dots, c_K\}
  2. 条件独立含义公式左边以整篇 $D$ 为条件，右边只以 $c_k$ 为条件；两边相等说明 $e_k$ 与其他切片无关。
    ek⊥D∖cke_k \perp D \setminus c_k
  3. 后果$e_k$ 无法携带跨段信息，边界处的指代失效，检索系统面对“它”只能盲猜。

2. 末段嵌入原理：先观察，后按快门

Late Chunking 换了一种思路：摄影师先不着急按快门，而是完整地参加聚会，听谈话、看互动、记关系，最后才把每个客人叫到镜头前。所谓“late“，就是”切片”这个动作被推迟到全文编码之后——先把整篇文档读完，再去切块。

实现上，它依赖一个能输出词元级向量的长文本编码器。假设文档有 $N$ 个词元 $t_1, t_2, \dots, t_N$，编码器一次性读完整篇文档，为每个词元生成一个向量 $h_i$。关键在于，这个向量不仅由词元本身决定，还“看到了”全文：

拿到全文词元向量后，再按照预先定好的边界做切片池化。第 $k$ 个切片从位置 $a_k$ 到 $b_k$，它的最终向量就是这段区间内所有词元向量的均值：

特写虽然只拍一个人，但背景里带着整场聚会的温度——“它”的照片里，Lily 的影子还在。

hi=Encoder(ti∣t1, t2, …, tN)\displaystyle h_i = \mathrm{Encoder}(t_i \mid t_1,\ t_2,\ \dots,\ t_N)
这一步相当于把同一位客人的所有“细节分镜”平均成一张标准特写——背景里仍然保留着整场聚会的温度。
  1. 边界变量$a_k$ 与 $b_k$ 是第 $k$ 个切片在原文中的起止位置。
    [ak, bk]⊆[1, N][a_k,\ b_k] \subseteq [1,\ N]
  2. 区间求和把切片内每个词元的向量 $h_i$ 全部相加，信息从词元层汇聚到切片层。
    ∑i=akbkhi\sum_{i=a_k}^{b_k} h_i
  3. 均值归一化除以长度 $b_k - a_k + 1$，得到与词元数量无关的固定维度向量 $e_k$。
    ek=1lenk∑i=akbkhie_k = \frac{1}{len_k}\sum_{i=a_k}^{b_k} h_i

3. 关键模型：什么样的相机看得见全场

不是所有相机都能“先观察再拍特写”。普通手机按下快门只能拍到眼前的东西；同样，不是所有嵌入模型都能做 Late Chunking。它要求模型具备两个能力：一是输出每个词元（token）的向量，而不是只输出整段文字的一个句子向量；二是能一次性处理足够长的文本。

目前工程上常用的是 BGE-M3 和 ColBERT 这类模型。BGE-M3 支持长文档、多语言，能输出词元级向量；ColBERT 则天生使用“后期交互”（late interaction）架构，查询与文档的相似度在词元级计算。ColBERT 的得分函数可以写成：

另一边，早期的双编码器（如第一代 Sentence-BERT）只能把整句话压成一个向量，没有逐词信息可供切片，天然无法用于 Late Chunking。好摄影师的眼力等于模型的全文注意力；眼力不够，看得再久也白搭。

s(q,ck)=∑i∈qmax⁡j∈ck⟨qi,hj⟩\displaystyle s(q, c_k) = \sum_{i\in q} \max_{j\in c_k} \langle q_i, h_j\rangle
这段是说：查询里的每个词，先去文档切片里找一个最像它的词，把这些“最佳匹配”累加起来作为总分。词与词的细粒度匹配让跨段指代更容易被捕捉。
  1. 查询词元向量$q_i$ 是查询中第 $i$ 个词的向量，例如查询“Lily 惊喜”中的"Lily"。
    qi∈Rdq_i \in \mathbb{R}^d
  2. 取最大相似度对每个查询词，在切片全部词元 $j$ 中找内积最大的那个。
    max⁡j∈ck⟨qi,hj⟩\max_{j\in c_k} \langle q_i, h_j\rangle
  3. 累加求和对所有查询词元的结果求和，得到最终相关度得分。
    s(q,ck)=∑iMaxSim(qi,ck)s(q, c_k) = \sum_{i} \text{MaxSim}(q_i, c_k)

4. 实践流程：从现场到相册的四步

摄影师的工作流很清晰：到场 → 观察 → 开拍 → 入册。Late Chunking 的工程流程也正好四步。第一步是文档预处理：清洗文本、去除噪声，并按句子或段落确定切片边界，同时确保整篇文档长度不超过模型窗口。

第二步是整文编码。把整篇文档一次性送入模型，前向传播一次，得到所有词元的向量序列。这一步对应“认真观察全场”。第三步是切片池化：按第一步定好的边界，把每个切片内的词元向量做均值池化，得到该切片最终向量。第四步是把向量和原文一起写入向量数据库，并在查询阶段使用余弦相似度检索：

相册里的每张照片都带着上下文注解，客户拿一句话来，马上能翻到“那一页”。

score(q,ck)=q⋅ek∥q∥∥ek∥\displaystyle \mathrm{score}(q, c_k) = \frac{\mathbf{q}\cdot e_k}{\|\mathbf{q}\| \|e_k\|}
余弦相似度衡量查询向量与切片向量的方向一致性，值越接近 1，说明越相关。向量数据库（如 Milvus、Qdrant）会用它做近似最近邻检索。
  1. 点积$\mathbf{q}\cdot e_k$ 把两个向量对应维度相乘再求和，衡量“共鸣”程度。
    q⋅ek=∑m=1dqm⋅ek,m\mathbf{q}\cdot e_k = \sum_{m=1}^{d} q_m \cdot e_{k,m}
  2. 模长归一化$\|\mathbf{q}\|$ 和 $\|e_k\|$ 分别是两个向量的长度，除以后消除文本长短的影响。
    ∥q∥=∑m=1dqm2\|\mathbf{q}\| = \sqrt{\sum_{m=1}^{d} q_m^2}
  3. 得分区间归一化后余弦值落在 $[-1, 1]$ 之间，检索时按分数降序返回 Top-K 切片。
    TopK=argsortk score(q,ck)\mathrm{TopK} = \mathrm{argsort}_{k}\, \mathrm{score}(q, c_k)

5. 效果与成本：全场观察的代价

全程盯着聚会观察，很费体力、也很费时间。但照片里的人物关系更完整。Late Chunking 的收益与代价同样对称。收益方面，在 Jina 团队提出的 LoCo 等跨段检索基准上，Late Chunking 相比传统预切片显著提升了跨段查询的召回率——特别是“代词指代”“首尾呼应”类问题。成本方面，它需要一次性编码整篇文档，显存和时延都会上升。

注意力机制的计算量能直观说明问题。假设文档被切成 $K$ 个切片，每个切片平均 $l$ 个词元。传统预切片只做块内注意力：

而 Late Chunking 让所有词元两两互动，注意力范围是整篇文档：

面对这些成本，工程上常见的对策包括：限制单次编码的文档长度、用长文本模型分章编码、缓存词元向量、文档小幅更新时只重算受影响切片。场景适配的原则是：企业知识库、法律合同、论文综述这类跨段指代密集的长文档，值得付出成本；短文本、实时聊天等场景，传统预切片仍然更划算。大型宴会值得全程观察；三五好友小聚，门口拍一张就够了。

Apre=K⋅l2\displaystyle A_{\mathrm{pre}} = K \cdot l^2
Alate=(K l)2=K2 l2\displaystyle A_{\mathrm{late}} = (K\,l)^2 = K^2\,l^2
两者差距一目了然：$K^2\,l^2$ 比 $K\,l^2$ 多乘了一个 $K$。文档切得越碎、块数越多，Late Chunking 的计算代价膨胀得越厉害。
  1. 预切片开销$K$ 个切片各做 $l^2$ 的注意力运算。
    Apre=K⋅l2A_{\mathrm{pre}} = K \cdot l^2
  2. 末段嵌入开销全文长度是 $Kl$，所有词元两两注意。
    Alate=(Kl)⋅(Kl)=K2l2A_{\mathrm{late}} = (Kl) \cdot (Kl) = K^2 l^2
  3. 对比结论当 $K=10$ 时，末段嵌入的注意力开销是预切片的 10 倍，显存峰值与延迟随之上升。
    AlateApre=K\frac{A_{\mathrm{late}}}{A_{\mathrm{pre}}} = K

6. 因果视角：换一种拍法真的更好吗

假设同一场聚会，两组摄影师分别用“门口快拍”和“全场观察”两种拍法，最后拿同样一组问题去考验哪组照片能回答。这就是一场对照实验。它背后正是因果推断中的潜在结果框架：切片策略被视为一种干预，检索质量被视为结果，而“如果当时用了另一种切片方式，这次检索会是什么结果”就是反事实。

在这个框架下，把预切片记为干预 $P$，末段嵌入记为干预 $L$。在相同文档集合与查询集合上分别运行，得到两个潜在结果 $Y(P)$ 与 $Y(L)$。两者的期望差就是平均处理效应：

工程上落实这种因果思维有三种做法：一是同一组文档同一组查询做 A/B 对比；二是反事实分析——对检索失败的样本追问“换成另一种切片方式是否就能命中”；三是消融实验——去掉全文上下文、换成其他池化方式，逐一验证每个模块的贡献。不要只夸“照片好看”，而要问：换一种拍法是不是真的让客户更容易找到照片？把直觉变成可验证、可归因的因果结论。

---

τ=E[Y(L)−Y(P)]\displaystyle \tau = \mathbb{E}\big[Y(L) - Y(P)\big]
通俗讲：$Y(P)$ 是“用传统方式拍出来的照片效果”，$Y(L)$ 是“用末段嵌入拍出来的效果”。如果 $\tau$ 明显大于 0，说明新拍法确实更好。
  1. 潜在结果$Y(P)$ 表示同一批数据在预切片干预下的检索质量。
    Y(P)=RecallpreY(P) = \text{Recall}_{\mathrm{pre}}
  2. 对比干预$Y(L)$ 表示末段嵌入干预下的检索质量。
    Y(L)=RecalllateY(L) = \text{Recall}_{\mathrm{late}}
  3. 期望差$\mathbb{E}$ 对多次实验取平均，消除随机波动，得到稳定的处理效应。
    τ=E[Y(L)]−E[Y(P)]\tau = \mathbb{E}[Y(L)] - \mathbb{E}[Y(P)]

AI 应用场景

企业知识库 RAG 问答

阶段：文档解析与索引（检索增强生成）

解决的问题：员工提问常带指代，如“这个提案的预算上限是多少”，“这个提案”指向前文标题。传统预切片把标题和正文切到不同块，导致召回错块、回答张冠李戴。Late Chunking 让正文切片携带标题信息，跨段指代被完整保留。

具体案例：某咨询公司知识库收录数百份长方案，上线 Late Chunking 后，“上述方案”“该客户”“这个预算”类查询的首段命中率提升约二十个百分点。

法律与合同文档检索

阶段：法律文档向量化与条款检索

解决的问题：合同条款常以“第 3 条所述义务”“上述违约情形”进行跨条引用。预切片把引述主体与定义条款拆散，律师检索时找不到完整逻辑链。

具体案例：一家 LegalTech 产品对五十页合同做跨条款问答，使用 BGE-M3 加 Late Chunking 后，“上述违约情形”类问题能正确关联前文定义条款，人工复核效率明显提升。

科研文献综述助手

阶段：论文长文本索引与跨节问答

解决的问题：论文常先定义简称（如“本文方法（LCE）”），后续用简称展开叙述。学生提问“LCE 的损失函数是什么”时，需要把简称定义片段与后文解释片段同时召回。Late Chunking 让后文切片带着定义信息，跨节问答正确率明显高于预切片。

具体案例：某高校文献综述机器人用 ColBERT 风格模型实现 Late Chunking，跨节问答准确率从 62% 提升到 81%。

Python 演示

python62 行
import numpy as np  class TinyEncoder:    """极简编码器：每个词一个独热向量，加上上下文均值模拟全文注意力。"""     def __init__(self, vocab):        self.dim = max(len(vocab), 1)        self.index = {tok: i for i, tok in enumerate(vocab)}     def base(self, token):        vec = np.zeros(self.dim)        vec[self.index[token]] = 1.0        return vec     def encode(self, tokens, context):        context_vec = np.mean([self.base(tok) for tok in context], axis=0)        return np.stack([self.base(tok) + 0.8 * context_vec for tok in tokens])  def cosine(a, b):    return float(np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b) + 1e-12))  def chunks_of(tokens, size):    return [tokens[i:i + size] for i in range(0, len(tokens), size)]  def chunk_vectors(tokens, chunks, mode, encoder):    vectors = []    for chunk in chunks:        context = tokens if mode == "late" else chunk        token_vecs = encoder.encode(chunk, context)        vectors.append(np.mean(token_vecs, axis=0))    return vectors  def main():    doc = ["Lily", "bakes", "a", "cake", "for", "the", "party", ".",           "It", "is", "the", "surprise", "she", "promised", "last", "week", "."]    chunks = chunks_of(doc, 4)    vocab = sorted(set(doc))    encoder = TinyEncoder(vocab)     pre_vecs = chunk_vectors(doc, chunks, "pre", encoder)    late_vecs = chunk_vectors(doc, chunks, "late", encoder)     c0, c2 = 0, 2    print("第0块:", chunks[c0])    print("第2块:", chunks[c2])    print("跨块相似度  传统预切片:", round(cosine(pre_vecs[c0], pre_vecs[c2]), 4))    print("跨块相似度    末段嵌入:", round(cosine(late_vecs[c0], late_vecs[c2]), 4))     lily = encoder.base("Lily")    sur_pre = encoder.encode(["surprise"], chunks[c2])[0]    sur_late = encoder.encode(["surprise"], doc)[0]    print("surprise 与 Lily 关联  传统预切片:", round(cosine(sur_pre, lily), 4))    print("surprise 与 Lily 关联    末段嵌入:", round(cosine(sur_late, lily), 4))  if __name__ == "__main__":    main()
目的：用可复现的独热向量玩具模型，演示“块内上下文”与“全文上下文”对切片向量的影响。
  1. context = tokens if mode == "late" else chunk这是两种模式唯一的区别：late 模式把全文作为上下文，pre 模式只把当前切片作为上下文。
  2. encoder.encode(chunk, context)模拟编码器：每个词的向量 = 自身独热向量 + 上下文均值，上下文范围决定了能否“看到”远处的人名。
  3. np.mean(token_vecs, axis=0)切片池化：把片段内词元向量平均成切片向量。
  4. cosine(pre_vecs[c0], pre_vecs[c2])计算第 0 块与第 2 块的相似度，pre 模式结果为 0，说明两块毫无关联。
  5. cosine(sur_late, lily)检查“surprise“这个词的向量是否认识”Lily”，late 模式下关联度大于 0。

常见误区

误区我以为 Late Chunking 就是调整切片大小，把每块切得更长，让一块里包含更多文字，上下文自然就丰富了。

正解切片大小和编码顺序是两回事。Late Chunking 的“晚”指的是切片动作发生在全文编码之后，关键是每个词元先见过全文再被切走。即使切片很小，每个切片仍然携带全文上下文。切大块只会增加计算量，并不会带来“全文记忆”。

为何常见：直觉上“更多文本 = 更多上下文”，容易把改进归因到块大小，而忽略了编码顺序这一真正变量。

误区我觉得只要把现有嵌入模型输入整篇文档，拿到输出后再按文本位置切出几段向量就行了。

正解普通双编码器只输出整段文字的一个句向量，根本没有逐词向量可供切片。必须使用能输出词元级向量、且支持长文本的模型（如 BGE-M3、ColBERT 类）。否则“先编码再切片”无从谈起。

为何常见：许多教程只强调“先编码再切片”的流程，没有说明模型需要词元级输出能力这个硬前提。

误区我听说它要一次性编码整篇文档，显存和时延都很高，觉得生产环境肯定用不了。

正解它的成本真实存在，注意力开销随块数近似平方增长。但在跨段指代密集的长文档场景，收益往往远超成本。正确的做法是用因果对比实验量一量：同一份数据、同一组查询，分别测两种方案的召回与延迟，再决定是否启用。

为何常见：只看到了成本数字，没有量化收益，被“贵”这个印象吓退。

误区我觉得反正切片向量是池化出来的，边界切在句子中间也没关系，模型会自己理解。

正解边界切在句内会拆散完整语义单元，把一个词从它的搭配中剥离，池化时还会把残缺词元的噪声平均进去。工程上应沿用句子、段落边界切分，保证每个切片内部语义完整。

为何常见：Late Chunking 强调“先编码再切”，让人误以为切分步骤已经不重要了。

误区我觉得 mean pooling 会把关键词的信息平均掉，Late Chunking 的效果全靠池化方式，越复杂越好。

正解均值池化是默认且有效的选择，它把全文上下文均匀注入每个切片并保持维度稳定。长切片里可以试验加权池化或结合词元权重，但应先通过消融实验确认池化是否真的是瓶颈——多数时候主要矛盾在于上下文有没有被编码。

为何常见：深入高维向量的细节后，容易陷入“调池化”的局部优化，忽略了整体流程的主干。

面试题

Q1. 关于“预切片”（传统 Chunking）的编码方式，正确的是？

单选题 · easy

  • A.每个切片独立编码，互不可见← 正确答案
  • B.所有切片拼接后统一编码
  • C.先编码全文再切出各块
  • D.仅用标题参与每个切片

答案：A。传统预切片把文档切成互不相干的小块，每个切片单独送入编码器，块与块之间没有信息流动。选 A。B 是整文一次编码，C 正是 Late Chunking，D 不是常规做法。

Q2. 为什么预切片会出现“代词悬空”问题？

单选题 · mid

  • A.分词器误把代词截断
  • B.切片编码时看不到前文← 正确答案
  • C.向量维度设置得偏低
  • D.查询没有用余弦相似度

答案：B。代词（如“它”）的指代对象往往在前一个切片中，预切片让每个块只看自己，“它”在编码时找不到 Lily。这属于编码视野受限，与分词、维度、相似度计算方式无关。

Q3. 下列哪些能力是支持 Late Chunking 的模型必须具备的？

多选题 · mid

  • A.输出每个词元的向量表示← 正确答案
  • B.支持一次性编码长文本← 正确答案
  • C.参数量必须超过七十亿
  • D.词元间存在全文注意力← 正确答案

答案：ABD。Late Chunking 需要先对全文一次性编码，再按切片池化词元向量，所以 A、B、D 都是必要条件。模型参数量没有硬性门槛，BGE-M3 等中等规模模型即可胜任，C 错误。

Q4. Late Chunking 中，一个切片对应的最终向量通常如何得到？

单选题 · mid

  • A.直接取该片段的 CLS 向量
  • B.对片段内词元向量做均值池化← 正确答案
  • C.取片段内最后一个词元向量
  • D.对所有词元向量做随机采样

答案：B。全文编码完成后，按原边界把切片内所有词元向量做平均（mean pooling），得到该切片向量。CLS 向量通常代表整篇文档，取末尾词元会丢失切片内部信息，随机采样更不可靠。

Q5. Late Chunking 最核心的收益是什么？

单选题 · easy

  • A.显著降低内存和显存开销
  • B.保留跨段的上下文语义← 正确答案
  • C.彻底省略切片的步骤
  • D.让模型参数量变少

答案：B。先全文编码再切片，让每个切片携带全文上下文，从而保留跨段指代与语义关联。它不会降低资源开销，也没有省略切片，更不改变模型参数量。

Q6. 下列哪些属于 Late Chunking 的代价或限制？

多选题 · hard

  • A.长文档一次编码显存增加← 正确答案
  • B.相比逐块编码时延变高← 正确答案
  • C.文档更新需要重新编码← 正确答案
  • D.一定降低检索召回率

答案：ABC。全文一次性编码使注意力与显存开销近似平方增长，时延上升；文档更新后相关切片的向量需要重算。但它通常提升召回率，D 的说法与事实相反。

Q7. 用因果视角评估两种切片策略时，“切片方式”扮演什么角色？

单选题 · mid

  • A.协变量，只是背景属性
  • B.干预，直接影响检索结果← 正确答案
  • C.混淆因子，干扰对比结果
  • D.结果变量，随检索变化

答案：B。在潜在结果框架中，我们主动施加“用哪种切片方式”这个动作，并观察它对检索质量的影响，因此切片方式是干预。协变量是被动观测的属性，混淆因子是同时影响干预和结果的第三变量，均不对应。

Q8. 关于“消融实验”用于 Late Chunking 的说法，正确的有？

多选题 · hard

  • A.去掉全文上下文，验证其贡献← 正确答案
  • B.更换池化方式，检查敏感性← 正确答案
  • C.用上线 A/B 测试替代所有消融
  • D.帮助定位收益的来源模块← 正确答案

答案：ABD。消融实验通过逐项移除或替换组件（如去掉全文上下文、换池化方式）来定位收益来源。A/B 测试是整体效果对比，不能替代逐组件归因，C 错误。

Q9. ColBERT 使用的相似度计算方式是？

单选题 · easy

  • A.双编码器最后一层点积
  • B.词元级最大相似度累加← 正确答案
  • C.交叉编码器的全连接层
  • D.随机森林排序打分

答案：B。ColBERT 采用 late interaction：查询每个词元与文档词元逐对计算相似度，取最大再累加（MaxSim）。它介于双编码器与交叉编码器之间，不是简单点积、全连接层或树模型。

Q10. 对于经常小幅更新的文档集合，最合理的做法是？

单选题 · hard

  • A.缓存整文向量，增量重算受影响块← 正确答案
  • B.每次修改都全量重新编码
  • C.放弃向量检索改用词频统计
  • D.把切片长度缩短到最小

答案：A。小幅更新时，可缓存文档词元向量，只对受影响的切片重新池化，避免全量重编码。全量重编码成本过高，词频统计丢失语义，盲目缩短切片长度会加剧上下文割裂。