Освещая путь для BRIGHT: Воспроизводимые базовые показатели с Anserini, Pyserini и RankLLM

Обнаружено: системы поиска в RAG воспринимают длинные промпты (16-256 токенов) не как набор равнозначных слов, а взвешивают каждый термин — редкие получают приоритет, частые игнорируются. Query-side BM25 позволяет находить в 2 раза более релевантные документы для развернутых запросов, которые типичны для чатов с LLM. Метод анализирует частотность слов внутри самого промпта и присваивает максимальный вес специфичным терминам ("agriturismo", "JTBD framework", "Brunello di Montalcino"), игнорируя общие ("стратегия", "план", "анализ") — точность поиска растет с 40% до 78% для запросов длиннее 50 токенов.