不同检索器的分数含义不同，例如 BM25 分数和向量相似度不能直接相加。可先做分数归一化与校准，也可使用只依赖排名的 RRF。 RRF 的基本思路是：某文档在多个列表中排名越靠前，融合分数越高。常见形式为 `Σ 1 / (k + rank)`，其中 `k` 是平滑参数，需要按数据调试。  融合前后按稳定的文档或分块 ID 去除重复，再处理内容近似的重复。不能仅因标题相同就合并不同版本的文档。 随后可用重排模型比较“问题—候选内容”的相关性，并限制同一文档占用过多位置。最终仍通过标注样本评估召回和答案正确率，融合分数本身不等于事实可信度。