RAG パラダイムのスケーリング研究：BM25 が大規模データで精度を維持

記事の3ポイント

1. 1

   BM25 の大規模化における優位性

   コーパスが約1000万トークンを超えると BM25 が他手法を凌駕し、最大規模では約20ポイントの差をつけて首位となる。

2. 2

   File-System Agent のコストと限界

   最小規模では File-System Agent が優れるが、大規模になると探索コストが 39 倍に増大し、効果は低下する。

3. 3

   Dense と Graph ベース手法の位置づけ

   Dense retrieval は効率的だが精度は劣り、Graph-based RAG は構築段階でスケーラビリティの壁に直面し BM25 に劣る。