The unreasonable effectiveness of BM25 for agentic search — Jo Kristian Bergum, Hornet.dev
三句話摘要
BM25 這個 30 年老詞彙評分算法在 LLM 驅動代理搜尋中的重新有效性。 LLM 時代下,BM25 因精確匹配、計算高效且可被模型理解的特性,成為代理搜尋最實用且經濟的基礎工具。 代理搜尋需要三大要素:有能力使用工具的 LLM、將檢索函數暴露給模型的系統架構(工具呼叫或程式碼模式)、能在数十億級文件上高效檢索的引擎。Context window 極限(約 350,000 tokens,類比軟盤 1.4MB)意味著檢索品質直接決定任務完成率。
重點整理
代理搜尋需要三大要素:有能力使用工具的 LLM、將檢索函數暴露給模型的系統架構(工具呼叫或程式碼模式)、能在数十億級文件上高效檢索的引擎。Context window 極限(約 350,000 tokens,類比軟盤 1.4MB)意味著檢索品質直接決定任務完成率。
「用戶」變強了是 BM25 復興的根本原因。LLM 具備通用知識、能寫長查詢、懂 Web 搜尋語法(site 操作符、短語匹配等),而人類查詢仍然很短。這種新型工作負荷讓 BM25 的精確匹配能力價值倍增。
評估方法根本改變。傳統資訊檢索只看單一查詢的排名清單。代理搜尋中 agent 會反覆改寫查詢、多輪檢索、逐步擴展,應評估 end-to-end 任務完成度,而非單次排名品質。
實現細節影響深遠。原始 Browse comp plus 論文用的 BM25 參數配置不適合長文件,導致基準看似很差。同時結合 BM25(精確)與 embedding(語義),在程式碼操作模式下讓模型管理文件系統式工作區,既獲得可解釋性又有檢索品質。
實用技巧與重點
- BM25:Best Match 25(第 25 次實驗的最佳結果)
- 超參數:2 個控制評分函數的超參數
- Browse comp plus 基準:830 個問題、100,000~105,000 個 web 文件、end-to-end 準確率評估
- Context window 限制:約 350,000 tokens
- 軟體與基礎設施:Hornet Dev 提供 BM25 檢索引擎、支援 100 百萬 web 文件單節點部署
- 參考論文:Waterloo 大學 Jimmy Lin 團隊《Scaling direct corpus interaction via dynamic workspace expansion》
- 性能指標:Hornet 在相同硬體上相比其他引擎有更高 QPS 和更低延遲
- 工作模式:漸進式揭露(先看標題和摘要,模型決定是否深入)+ 檔案系統式工作區 + Bash/程式碼操作
結論
LLM 時代下,BM25 因精確匹配、計算高效且可被模型理解的特性,成為代理搜尋最實用且經濟的基礎工具。
完整解析
Joe Bergam 是 Hornet Dev 的執行長,從事搜尋檢索領域 20 年以上。他在本次演講中探討為什麼 BM25 這個 1990 年代的詞彙評分函數,在當今大語言模型驅動的代理搜尋中重新展現強大生命力。
代理搜尋(Agentic Search)指的是在 agent 執行任務的循環中進行資訊檢索。例如當 agent 試圖完成寫程式、深度研究等任務時,需要檢索相關資訊支援決策。建立有效的代理搜尋系統需要三大要素:具有工具使用能力的強大 LLM、將檢索函數暴露給模型的系統架構(透過工具呼叫或程式碼模式實現),以及能在數十億級文件上高效檢索的引擎。
關鍵洞察是「用戶」變強了。傳統搜尋使用者是人類,查詢通常很短。但 LLM 擁有豐富的通用知識,了解實體名稱、SKU 碼、日期等,能寫出遠長於人類的查詢,甚至使用 Web 搜尋的語法操作符(如 site:)和短語匹配。這種新型工作負荷讓 BM25 的精確匹配能力重新變得極其寶貴——因為模型知道具體要找的實體,可以精確指定查詢詞。
Browse comp plus 是 Waterloo 大學的深度研究基準測試,包含 830 個複雜問題、約 100,000 個 web 文件。評估發現,當直接將證據文件塞進 context window 時,模型準確率很高;但暴露檢索工具後,準確率下降,因為模型需要自主查詢和改寫查詢。這證明檢索品質直接決定 end-to-end 準確率。演講者用軟盤容量(1.4MB)比喻 context window 的固定限制(約 350,000 tokens),說明即使未來達到 AGI,也無法無限擴展 context——因此檢索永遠必要。原始論文中 BM25 看似表現很差,但最近研究發現其參數配置不適合長文件,調整後表現大幅改善。
評估方法也需根本改變。傳統資訊檢索看一次查詢的排名清單。但 agent 會多輪查詢、改寫查詢、逐步擴展理解,應評估的是整個任務最終是否完成。Waterloo 團隊的論文提出創新做法:將檢索結果組織為檔案系統式工作區,模型先看文檔標題和摘要片段,決定是否深入後,可用自己擅長的 Bash 和程式碼操作來管理和檢視內容,完美發揮現代 LLM 的優勢。
BM25 在代理搜尋中有效有三大原因:精確匹配對 LLM 重要(模型理解具體實體),成本低廉(相比 8 十億參數的 embedding 模型需要額外基礎設施),且模型能理解為什麼特定查詞返回該結果,幫助改寫查詢。Hornet Dev 的實現在單節點上相比競爭引擎有更高吞吐和更低延遲,展示 BM25 作為生產級檢索基礎設施的優勢。


