一般来说，一个相关性度量可以确定一组检索模型，这是一个学习排序问题，已经有非常多结果。有趣的是不少文章都会煞有介事地解释自己不能解决的“bad case”产生的原因。如果按照这种语气，不难想出临时的补救方法作为模型的补充，可以让测试成绩快速提升，写进 methodology 部分。然而实际并没有人这么做，意味着这样的叙述没有多大意义。

一个检索模型也可以确定一组相关性度量，这叫概念上的对偶，没有实际的用处。把两个形式上互逆的模型放在一起训练，然后根据结果得出结论说这样更好，有一些循环论证的意味，实质也如同在用最优化的办法计算两个凸集的直径。但这种概念可以帮助理解后续所谓“相关性的危机”。