RRF

## ハイブリッド検索の要 RAG パイプラインでは、BM25 によるキーワード検索とベクトル検索（セマンティック検索）を併用するハイブリッド構成が一般的だ。しかし、BM25 のスコアとコサイン類似度はスケールも分布もまったく異なるため、単純に足し合わせても意味のある統合にはならない。RRF はこの問題をシンプルに解決する。

各検索手法が返した文書の「順位」だけを使い、`1 / (k + rank)` のスコアを全手法分合算する。定数 `k`（通常 60）は順位の重みづけを調整するパラメータで、値が大きいほど上位と下位の差が縮まる。## 計算例 ある文書が BM25 で3位、ベクトル検索で7位に出現した場合: ``` RRF スコア = 1/(60+3) + 1/(60+7) = 0.0159 + 0.0149 = 0.0308 ``` 片方の検索でしかヒットしない文書よりも、両方でそこそこの順位に入る文書が上位にくる傾向がある。

これがハイブリッド検索の安定性につながる。## 実装上の注意点 RRF は元のスコアの絶対値を使わないため、検索エンジン間のスコア校正が不要という利点がある一方、同順位の文書が多い場合やロングテールの文書の扱いには注意が要る。Elasticsearch 8.x 以降や Weaviate、Qdrant など主要なベクトル DB がネイティブで RRF をサポートしている。