工程 · 深度词条
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。
四层解释
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。
全链路位置
常见用途
- RAG 证据选择
- 搜索结果优化
- 推荐候选精排
专业边界
- 无法找回第一阶段完全漏掉的资料
- 精排模型也可能受领域和长度限制
常见误解
- 重排可以弥补任何召回问题
- 把更多候选送入重排总会更好
决赛评委看不到落选的稿子
编辑初选十篇稿件,主编逐篇读完,把最适合封面的那篇从第八提到第一。作者问起另一篇更合题的稿子,主编翻遍桌面也没有:它在初选时就漏掉了。
Reranking(重排序)能改变候选的先后,不能让未入选的材料凭空出现。找不到目标文档时,先看它有没有进入候选集,再决定该改检索还是改排序。
为什么检索后还要再排一次
第一阶段通常快速取回较大候选集合,Reranker 再判断问题与各候选的相关性并调整顺序。常见实现可以联合处理查询与文档;具体模型与服务不同,不宜把 Cross-Encoder 当作所有重排器唯一结构。
它不能找回没有进入候选的证据
重排只作用于候选集。如果关键段落没被召回,换一个更强重排器也不能凭空补回。候选规模、片段长度与延迟是需要测量的权衡;分数一般用于排序,不应直接当成“答案正确概率”。
Worked Example
给政策问答选证据
虚构教学示例,不对应真实业务数据或性能承诺。
- 第一轮召回
拿到包含现行政策、旧政策和相关 FAQ 的候选集合。
- 先过滤再排序
先按权限与有效期剔除不适用项,再比较问题与段落的相关性。
- 检查覆盖
选出的段落必须覆盖资格、期限与例外,不能只取重复表达同一条件的片段。
重排优化候选的次序,证据覆盖和业务适用性仍要单独核对。
来源与核对记录
S1基础释义核对:2026-10-20。专题核对:2026-10-20。局部增补:2026-11-19。局部修订不代表旧正文全部复核,尚未完成外部专家审稿。