以下是一个按关系的总和排序的检索模型结果的示例代码：

import numpy as np

# 模拟检索结果
retrieval_results = {
    "doc1": [0.8, 0.5, 0.6],
    "doc2": [0.6, 0.7, 0.4],
    "doc3": [0.9, 0.3, 0.2]
}

# 计算关系总和排序分数
def compute_sort_scores(results):
    # 将结果转换为numpy数组
    scores = np.array(list(results.values()))
    # 按行求和
    sum_scores = np.sum(scores, axis=1)
    # 返回排序后的结果
    sorted_indices = np.argsort(-sum_scores)  # 按降序排列
    sorted_results = {k: results[k] for k in list(results.keys())[sorted_indices]}
    return sorted_results

# 打印排序后的结果
sorted_results = compute_sort_scores(retrieval_results)
for doc, scores in sorted_results.items():
    print(f"{doc}: {scores}")

这个示例代码使用numpy库来进行数组操作。首先，我们定义了一个compute_sort_scores函数，该函数接收一个字典作为输入，其中键是文档标识符，值是与每个文档相关的关系分数列表。

在函数内部，我们将结果转换为numpy数组，并使用np.sum函数按行求和，得到每个文档的关系总和。然后，我们使用np.argsort函数对总和排序分数进行降序排列，以获取排序后的文档顺序。最后，我们根据排好序的索引，构建一个新的字典来存储排序后的结果。

最后，我们使用一个简单的循环打印出排序后的结果，每行显示文档标识符和对应的关系分数。