**BM25在大规模检索增强生成中胜出：一项扩展研究**

_BM25 Wins at Scale: A Scaling Study of Retrieval-Augmented Generation Paradigms_

> 该研究通过控制变量法，在450倍规模变化的语料库上对比了多种RAG范式。结果显示，BM25在约1000万token语料规模后超越File-System Agent成为最优方案，且在大语料下准确率优势接近20分。研究证实随着语料增长，基于全局候选排序的Lexical检索（如BM25）是最具可扩展性的默认选择，而代理式搜索更适合在排名发现之后使用。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-07-31 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.26497)