MMR
Метод переранжирования, который уравновешивает релевантность и разнообразие — чтобы топ-K не состоял из почти одинаковых дубликатов.
Предложен Карбонеллом и Голдштейном в 1998 году. Для каждого кандидата считается score = λ × similarity(query, doc) − (1−λ) × max similarity(doc, уже выбранные документы). Берём документ с максимальной оценкой, добавляем в результат и повторяем. Чем ближе λ к 1, тем важнее релевантность; чем ближе к 0 — тем важнее разнообразие. Полезен, когда векторная БД возвращает десять почти одинаковых фрагментов одного документа: MMR распределяет их по разным источникам. Встроен в LangChain и LlamaIndex.