规模化检索增强生成研究：BM25在约千万语料词元后胜出

论文在28个严格嵌套、规模约相差450倍的语料层级上，统一问题集、相关与对抗文档、阅读模型和评测协议，比较BM25、稠密检索、图RAG及代理搜索。结果显示约1000万语料词元后，BM25持续领先并在完整规模下接近20个百分点优势，同时保持低成本。