主要观点：

• 混合面包（Mixedbread）和香港理工大学的研究人员开发了新的词汇搜索算法 BMX，其性能超越当前标准 BM25，可通过开源的 Baguetter 库使用。
• BMX 包含熵加权相似度和加权查询增强（WQA）等关键创新，能兼顾相似度和语义。
• 在不同基准测试（如 BEIR、BRIGHT、多语言基准等）中，BMX 均表现出色，优于 BM25 及其他模型，且无需大量高质量数据集训练。
• 介绍了 BMX 的安装和使用方法，期望其能改善依赖搜索算法的应用用户体验和自然语言处理应用性能。

关键信息：

• BMX 论文：[https://arxiv.org/abs/2408.06643]
• Baguetter：[https://github.com/mixedbread...]
• BEIR 测试中 BMX 在 15 个数据集的 11 个上表现最佳。
• BRIGHT 测试中 BMX 与 WQA 结合优于其他模型，能有效处理多领域数据。
• 多语言基准测试中 BMX 超越 BM25。

重要细节：

• BM25 缺点：不考虑查询与文档相似度，缺乏语义理解。
• BMX 创新：熵加权相似度根据令牌熵调整相似度得分；WQA 同时处理原查询和增强版本，提高效率。
• 安装需先安装 Baguetter 库，使用示例展示了 BMX 的实践应用。