Reranking（重排序）

先快速找出一批候选资料，再用更精细的模型重新排序，把最相关的放到前面。

Reranking 使用 Cross-encoder、生成模型或任务规则，对初始召回集合计算更准确但成本更高的相关性分数。

第一阶段优化高召回，第二阶段同时读取查询和候选正文，输出新的相关性顺序，再截取有限片段进入上下文。

要联合调节召回数量、Reranker 延迟、上下文预算和业务过滤，并用端到端答案指标验证收益。