Hit、Recall 与 exact 重合率，各自在问什么
课堂上下文：从哪个问题来
检索把同一个比较空间用于一组已有图片。图库向量可复用，查询只需编码一次再搜索；页面前三张结果来自已有真实缓存。工作量、相关性指标和近似索引在说明与 LAB12 中展开；检索系统的进一步组织留待第八讲。
固定一个查询，相关集合为 ，检索前 个结果为 。三个常见指标不是同义词：Hit@K 问是否至少命中一个相关结果；Recall@K 为 ；ANN overlap 问近似搜索是否复现精确搜索，计算 ，其中 为 exact 前 K。
假设某猫查询有四个猫裁剪算相关，前三名命中两个。Hit@3 是 1，Recall@3 是 。若 exact 的前三名是 a,b,c，ANN 找到 a,b,d，二者 overlap 是 ；d 即使仍然是猫，语义命中也可能不变。模型相关性与索引逼近的是两个不同问题。
LAB12 的历史结果正体现这个区别：exact 文搜图 Hit@3=1；IVF 只查一个簇时 exact top-3 重合率为 0.7778，语义 Hit@3 仍为 1。它漏掉部分同源裁剪，却仍保留某个相关裁剪。这不是指标互相矛盾，而是各自回答了自己的问题。
阅读结果先找查询集合、相关集合和 K，再看成绩。若一个查询只有一个正例，Hit@K 与单正例 Recall@K 恰好同值；换成多正例后必须重新写清口径。保存查询和命中 ID 比只保存平均数字更便于 AI 或同学追溯解释。