本文是电商搜索稀疏嵌入微调系列的第三部分，聚焦评估与难负样本挖掘。将微调后的SPLADE模型索引至Qdrant，在2000条查询上评测：微调模型nDCG@10比BM25高约17%，比现成SPLADE高7.5%。借鉴ANCE，用当前模型检索结果挖掘难负样本再训练，可进一步提升效果。检索延迟低于1毫秒，瓶颈是10-20毫秒的查询编码。

该系列前四部分从零构建了SPLADE稀疏嵌入微调流程，在Amazon ESCI数据集上比BM25提升17%。第五部分将其打包为开源工具qdrant-sparse-finetune，提供CLI和网页仪表盘，一条命令即可完成合成查询生成、训练、评估与HuggingFace发布，并支持Python API调用。