关于Vespa AI混合排序（RRF）配置正确性的技术咨询

我正在评估Vespa AI以适配搜索业务场景，现提供查询请求配置与rank-profile配置如下，希望确认当前排序函数的使用方式是否正确：

查询请求配置 #

{
  "default-index": "all_text",
  "hits": 200,
  "input.query(query_vector)": [...],
  "input.query(retrieval_vector)": [...],
  "query": "recliner ",
  "ranking": {
    "profile": "rrf_hybrid"
  },
  "yql": "select * from sources vectorized_listings where rank({targetHits:200}nearestNeighbor(img_expl_cre_vector, retrieval_vector), {label:'qv',targetHits:200}nearestNeighbor(img_expl_cre_vector, query_vector), userQuery())"
}

rank-profile配置 #

rank-profile rrf_hybrid {
      inputs {
        query(retrieval_vector) tensor<float>(x[512])
        query(query_vector)     tensor<float>(x[512])
      }

      function text_score() {
        expression: bm25(title)
      }

      function query_score() {
        # uses the label 'qv' from the second nearestNeighbor
        expression: closeness(label, qv)
      }

      first-phase {
        # sort the 200 hits by their similarity to query_vector
        expression: query_score
      }

      global-phase {
        rerank-count: 200
        expression: reciprocal_rank(text_score,60) + reciprocal_rank(query_score,60)
      }
}

配置正确性分析 #

• 多召回源合并逻辑：YQL中同时调用两个向量召回（分别基于retrieval_vector和带qv标签的query_vector）以及文本查询userQuery()，每个召回源都设置targetHits:200，会各自召回200条结果后合并去重，符合混合检索需求，逻辑正确。
• 第一阶段排序：first-phase使用query_score（对应标签qv的向量召回相似度）对合并结果排序，和注释描述的“按与query_vector的相似度排序200条结果”一致，配置正确。
• 全局阶段RRF混合排序：
  • text_score基于bm25(title)计算文本匹配得分，对应文本查询信号，关联正确。
  • query_score通过closeness(label, qv)获取第二个向量召回的相似度值，和YQL中给第二个NN设置的label:'qv'对应，取值正确。
  • 使用reciprocal_rank函数分别计算文本得分和向量得分的RRF值并求和，符合Reciprocal Rank Fusion混合排序的标准逻辑，参数（得分字段、k值60）的使用方式正确，最终会基于两个信号的综合排名得分输出结果。

内容的提问来源于stack exchange，提问作者vipulsodha