RRF (kết hợp xếp hạng đối ứng) là phương pháp tích hợp thứ hạng của nhiều kết quả tìm kiếm, chẳng hạn như tìm kiếm từ khóa và tìm kiếm vectơ, sử dụng điểm là tổng các nghịch đảo của thứ hạng của từng tài liệu để có được thứ hạng cuối cùng chính xác hơn một lần tìm kiếm.
RRF (Kết hợp xếp hạng đối ứng) là phương pháp tích hợp các kết quả xếp hạng từ nhiều công cụ tìm kiếm, chẳng hạn như tìm kiếm từ khóa và tìm kiếm vectơ, sử dụng điểm là tổng của nghịch đảo xếp hạng của từng tài liệu (1/(k+rank)) để có được thứ hạng cuối cùng chính xác hơn một phương pháp tìm kiếm duy nhất. Nó đã được áp dụng rộng rãi như là cốt lõi của tìm kiếm kết hợp trong các đường dẫn RAG và được coi là một phương pháp tiêu chuẩn khi kết hợp tìm kiếm ngữ nghĩa bằng cách sử dụng phương pháp nhúng và tìm kiếm toàn văn bản (BM25, v.v.). Trong hoạt động thực tế kể từ năm 2026, Elaticsearch và nhiều cơ sở dữ liệu vectơ lớn sẽ triển khai RRF như một tính năng tiêu chuẩn và việc kích hoạt tính năng này thông qua cài đặt của dịch vụ được quản lý thay vì tự triển khai sẽ phổ biến hơn. Một nhược điểm trong trường này là trọng số của tài liệu trên và dưới thay đổi lớn tùy thuộc vào giá trị của tham số k và nếu sử dụng giá trị mặc định, thứ hạng có xu hướng đi chệch khỏi mục đích tìm kiếm. Ngoài ra, chi phí vận hành khi chạy song song nhiều công cụ tìm kiếm và chi phí xác minh khi sử dụng kết hợp các mô hình sắp xếp lại thường bị bỏ qua, vì vậy khi lựa chọn, cần phải so sánh và xem xét giá thị trường với các nền tảng tìm kiếm hiện có.