为了评估向量搜索结果，除了基本的召回率和精确率之外，通常使用 nDCG、MRR 和 F1-score 等指标。每个指标衡量不同方面的性能，例如排名质量、顶部结果的重要性以及相关性和噪声之间的平衡。以下是它们的工作原理以及何时使用它们
nDCG（归一化折损累计增益） 通过考虑相关性和位置来衡量排名结果的质量。与同等对待所有相关项的召回率和精确率不同，nDCG 为结果中较早出现的相关项分配更高的权重。例如，如果搜索返回三个文档，其相关性得分为 [3, 1, 2]（范围为 0-3），则通过根据每个项目的位置对增益进行折损来计算得分。“归一化”部分确保指标相对于理想排名进行缩放，从而更容易跨查询进行比较。此指标对于结果顺序很重要的应用（例如推荐系统或搜索引擎）非常有用，因为它会惩罚将高度相关项目埋在较低位置的系统。
MRR（平均倒数排名） 侧重于列表中第一个相关结果的排名。对于每个查询，它计算第一个正确答案位置的倒数（例如，如果第一个相关项目位于位置 3，则得分为 1/3）。所有查询的平均值给出 MRR。此指标非常适合用户希望快速获得单个正确答案的任务，例如问答系统或语音助手。例如，如果用户问“法国的首都是什么？”，并且正确答案（“巴黎”）出现在第二个位置，则该查询的 MRR 为 0.5。MRR 不考虑多个相关结果，因此不太适合需要多样化输出的场景。
F1-score 平衡了精确率（检索到的项目中相关的比例）和召回率（检索到的相关项目中的比例）。它是两者的调和平均值，计算公式为 2(精确率召回率)/(精确率+召回率)。例如，如果搜索返回 10 个检索到的项目中的 8 个相关项目（精确率=0.8）并且错过了 2 个相关项目（召回率=0.8），则 F1-score 为 0.8。当需要最小化误报（不相关的结果）和漏报（错过相关的项目）时，此指标非常有用。它广泛用于分类任务，但也可应用于评估二元相关性（例如，电子邮件中的垃圾邮件检测）的搜索。但是，它不考虑排名顺序，因此最好与其他指标结合使用以用于以排名为中心的系统。
每个指标都解决了召回率和精确率中的特定差距：nDCG 评估排名质量，MRR 强调查找正确答案的速度，而 F1-score 平衡了相关性权衡。选择正确的指标取决于应用程序的优先级，例如顺序是否重要、需要多少结果或如何处理部分相关性。组合多个指标通常可以提供更完整的系统性能图。