MMR là phương pháp xếp hạng lại nhằm cân bằng mức độ liên quan đến truy vấn và sự tương đồng giữa các ứng viên khi chọn các khối ứng viên cho kết quả tìm kiếm hoặc RAG, tránh trùng lặp và đảm bảo tính đa dạng.
MMR (Mức độ liên quan cận biên tối đa) là phương pháp xếp hạng lại kết quả tìm kiếm và tăng cường tìm kiếm (RAG) do AI tạo sinh dựa trên điểm liên quan đến truy vấn và điểm thu được bằng cách trừ đi độ tương tự (dư thừa) cho các ứng viên đã được chọn. Nó đã được nghiên cứu từ lâu trong lĩnh vực truy xuất thông tin và được cho là được sử dụng rộng rãi trong việc lựa chọn đoạn RAG. Nếu chỉ sử dụng k mục hàng đầu theo thứ tự liên quan đơn giản thì nhiều đoạn có nội dung tương tự sẽ được xếp thành hàng và khung ngữ cảnh sẽ có xu hướng chứa đầy các cách diễn giải của cùng một sự kiện. Trong thực tế sử dụng, sự dư thừa này có xu hướng dẫn đến những câu trả lời mỏng manh và sự thật sai lệch. Cạm bẫy trong trường là nếu tham số (λ) làm tăng tính đa dạng được tạo quá mạnh, thậm chí các ứng cử viên nhiễu ít liên quan hơn sẽ bị trộn vào, dẫn đến giảm độ chính xác và thậm chí kể từ năm 2026, việc điều chỉnh này vẫn chủ yếu dựa vào các quy tắc thực nghiệm. Chi phí tính toán bổ sung chỉ là tính toán ma trận tương tự, nhẹ so với giá thị trường của tìm kiếm vectơ, nhưng khi số lượng ứng viên lên tới vài nghìn thì không thể bỏ qua chi phí tính toán lại, vì vậy trong thực tế, người ta nói rằng thiết kế thu hẹp ứng viên trước rồi áp dụng MMR thường được chọn.