每日练习与编程练习

我会把它建模成一个“预算约束下的自适应证据选择”任务，而不是一次性 top-k 检索。核心目标不是单纯最大化相似度，而是在时延预算内最大化“答案正确率/证据召回”的期望收益。

第一步是做粗召回。对 query 先用轻量编码器分别检索视频摘要、ASR 文本和主张库，得到候选集合 C。对每个候选 i 计算一个便宜的置信分数 s_i 和不确定性 u_i；如果能估计到候选的边际增益，最好再估一个 g_i = P(该候选能新增有效证据 | q, cheap features)。这里不要直接相信 raw score，必须做校准，比如 temperature scaling / isotonic regression，否则阈值会在不同领域漂。

第二步是做分层路由。把候选按时间轴或场景切成 bucket，先在每个 bucket 里取 1 个代表，避免相邻冗余。然后用一个带预算的贪心/优先队列策略，反复选择单位成本边际收益最高的候选： - 优先级可以写成 `priority_i = (g_i + λ * u_i) / cost_i`； - 若候选之间有重叠语义，就加一个冗余惩罚项，比如和已选集合的最大相似度或 coverage overlap。 这个形式本质上接近预算约束的子模优化，工程上很适合做“贪心 + 截断”。如果要更稳，可以把每个候选视为一条“证据臂”，用上界分数 `upper_i = s_i + βu_i` 做 best-first 扩展，直到预算耗尽或 top1 与 next-best 的 margin 足够大。

第三步是自适应停止。不要固定拿 K 个候选。更合理的是设置三个停止条件： 1. 证据置信度足够高：top1 分数高且 top1-top2 gap 足够大； 2. 覆盖足够好：已选片段覆盖了 query 的不同子任务/时间范围； 3. 边际收益低于成本：下一次扩展的上界收益低于继续推理的时延代价。 如果三者都不满足，再升级到更贵的完整视频特征或更强重排器。若仍然低置信，则进入 abstain 或澄清任务分支，避免硬答。

训练上我会分两层： - 轻量 router 用监督学习做候选排序，正样本是答案链路中的真证据，负样本用 hard negative 和邻近时间负样本； - 路由阈值和停止策略用离线日志做反事实评估，再在线做小流量校准。 如果有教师模型，可以把“看全量证据后的决策”蒸馏给 router，让 cheap scorer 学到更接近最终答案收益的分布，而不是只学相似度。

复杂度上，粗召回如果用 ANN，大致是 `O(log N + m)`；后续贪心扩展是 `O(M log M)`，M 是实际展开的候选数，远小于全量扫描。显存上，只把被选中的少量候选送入重模型，因此峰值显存和尾延迟都可控。

工程上最关键的取舍有三个： - 召回 vs 延迟：阈值低会涨召回但拖尾延迟； - 冗余 vs 覆盖：只取最高分会错过跨片段证据； - 稳定性 vs 激进：在线分布漂移时要保守路由，必要时降级到文本证据。 最后要监控的不是单一 accuracy，而是 evidence recall、calibration error、p95/p99 latency、以及 abstain 率。这样系统才能在真实流量下稳定工作。