[LAB 12 · CLIP延伸：缓存与检索（近似索引选读）](/course/notebooks/921eeaf784284ce19568c6ca7619b55a.html)

# 2 · 精确搜索：模型给分，评价定义相关
[独立阅读](/course/notebook-blocks/5ba73f2552e945a7a94eb9043c0ac480.html)
并入相关学习路径

同一CLIP缓存、exact/IVF搜索、延迟/扫描量、区域交互基线

## 2 · 精确搜索：模型给分，评价定义相关

对于一个文本查询 $q$，精确检索逐个计算 $s_i=q^\top v_i$ 并取最大的 K 项。归一化不等于校准：cosine 只是排序分数，不是“该图片正确的概率”。同一矩阵转置即可图搜文；不需要另训练一个模型，但两个方向的候选集合和评价单位不同。

本册规定：一个查询对应源类别的四个视图都算相关。**语义 Hit@K** 为“前 K 中至少有一个相关图”的查询比例；它不等于召回全部四个相关图的比例。**ANN top-3 overlap** 为 $|A_3(q)\cap E_3(q)|/3$ 的平均值，评价近似索引是否找回精确搜索的邻居，完全不使用类别标签。这两项必须分开：模型的精确排序可能错，ANN 也可能完美复制这个错误。

当前小集 exact 文搜图 Hit@3=1.0、图搜文 Hit@1=1.0。它只能说明这些照片和查询能被本模型匹配，不能支持未知照片或复杂关系的泛化结论。LAB 04 的左右关系反例正好显示：整图对象匹配成功不自动推出关系绑定正确。