Update nexus: fix conflicts and sync local changes

wiki/concepts/Reciprocal-Rank-Fusion.md

@@ -1,52 +1,52 @@
----
-title: "Reciprocal Rank Fusion (RRF)"
-type: concept
-tags: [search, ranking, fusion, algorithm]
-sources: [semantic-memory-search]
-last_updated: 2026-04-22
----
-
-## Aliases
-- RRF
-- Reciprocal Rank Fusion
-
-## Definition
-
-Reciprocal Rank Fusion（倒数排名融合）是一种多检索器结果融合算法，通过对各检索器返回结果的排名取倒数并进行加权求和，生成统一的融合排名。无需训练，简单高效，是混合搜索的标准融合策略。
-
-## Formula
-
-```
-RRF_score(d) = Σ  1 / (k + rank_i(d))
-
-其中：
-- d = 文档
-- rank_i(d) = 检索器 i 对文档 d 的排名（从1开始）
-- k = 平滑参数（通常 k=60，作用是减少高排名文档的压倒性优势）
-```
-
-## Why k=60?
-
-k=60 是一个经验值，来源于 BM25 的默认参数 k1=1.2、b=0.75 的理论推导。选择 k=60 使得排名差异在高位次（rank 1 vs rank 2）时有明显影响，但在低排名（rank 50 vs rank 51）时影响减弱，兼顾早期精确和长尾包容。
-
-## Example
-
-假设有两个检索器对同一查询的结果：
-
-| 文档 | 向量检索排名 | BM25 排名 |
-|------|------------|----------|
-| A | 1 | 3 |
-| B | 2 | 1 |
-| C | 3 | 2 |
-
-k=60 时：
-- RRF(A) = 1/(60+1) + 1/(60+3) = 0.01639 + 0.01587 = **0.03226**
-- RRF(B) = 1/(60+2) + 1/(60+1) = 0.01613 + 0.01639 = **0.03252**
-- RRF(C) = 1/(60+3) + 1/(60+2) = 0.01587 + 0.01613 = **0.03200**
-
-最终排名：B > A > C
-
-## Connections
-- [[Hybrid Search]] — RRF 是混合搜索的标准融合算法
-- [[semantic-memory-search]] — memsearch 使用 RRF 融合向量和 BM25 结果
-- [[Knowledge-Base-RAG]] — RRF 用于提升知识库检索质量
+---
+title: "Reciprocal Rank Fusion (RRF)"
+type: concept
+tags: [search, ranking, fusion, algorithm]
+sources: [semantic-memory-search]
+last_updated: 2026-04-22
+---
+
+## Aliases
+- RRF
+- Reciprocal Rank Fusion
+
+## Definition
+
+Reciprocal Rank Fusion（倒数排名融合）是一种多检索器结果融合算法，通过对各检索器返回结果的排名取倒数并进行加权求和，生成统一的融合排名。无需训练，简单高效，是混合搜索的标准融合策略。
+
+## Formula
+
+```
+RRF_score(d) = Σ  1 / (k + rank_i(d))
+
+其中：
+- d = 文档
+- rank_i(d) = 检索器 i 对文档 d 的排名（从1开始）
+- k = 平滑参数（通常 k=60，作用是减少高排名文档的压倒性优势）
+```
+
+## Why k=60?
+
+k=60 是一个经验值，来源于 BM25 的默认参数 k1=1.2、b=0.75 的理论推导。选择 k=60 使得排名差异在高位次（rank 1 vs rank 2）时有明显影响，但在低排名（rank 50 vs rank 51）时影响减弱，兼顾早期精确和长尾包容。
+
+## Example
+
+假设有两个检索器对同一查询的结果：
+
+| 文档 | 向量检索排名 | BM25 排名 |
+|------|------------|----------|
+| A | 1 | 3 |
+| B | 2 | 1 |
+| C | 3 | 2 |
+
+k=60 时：
+- RRF(A) = 1/(60+1) + 1/(60+3) = 0.01639 + 0.01587 = **0.03226**
+- RRF(B) = 1/(60+2) + 1/(60+1) = 0.01613 + 0.01639 = **0.03252**
+- RRF(C) = 1/(60+3) + 1/(60+2) = 0.01587 + 0.01613 = **0.03200**
+
+最终排名：B > A > C
+
+## Connections
+- [[Hybrid Search]] — RRF 是混合搜索的标准融合算法
+- [[semantic-memory-search]] — memsearch 使用 RRF 融合向量和 BM25 结果
+- [[Knowledge-Base-RAG]] — RRF 用于提升知识库检索质量