重排Rerank

你可能会说

搜出来 20 条，凭什么决定给模型看哪 3 条？

把初步搜出的候选和问题逐对再读一遍、重新打分排序，只把最靠得住的几条送到模型面前。例如问「买回来的东西要退，运费谁出」，向量检索先召回 20 条含「退款」的段落；重排模型把问题和每条段落放在一起读，判断哪段真能回答，把《退换货流程》第 2 节顶到第一，其余丢掉。

也常被叫作精排重排序Reranker

运行流程 · 先捞再挑

① 召回：先捞 20 条候选退款政策 v30.62运费说明0.58退换货流程第 2 节0.51还有 17 条……只比过单句相似度

② 成对打分：问题和每条候选放在一起读退换货流程第 2 节0.91退款政策 v30.88运费说明0.34

③ 截断只把前 3 条给模型第 4 名以后丢掉

④ 阈值最高分也只有 0.31 → 回答「资料里没有」

用快的办法（向量或关键词）先捞出几十条候选，追求别漏

把问题和候选一起送进模型判「这段能不能回答」，比各算各的准，但慢且贵

按新排名只留前几条。给模型的内容越少越聚焦，token 花费也越低

全都低于分数线时干脆说「资料里没有」，比硬凑一个答案安全

容易混淆？这样区分

检索≠重排

检索负责「找得到」，重排负责「排得准」。重排只在已经捞出的候选里排序：该内容没被召回，它变不出来。

各算各的（bi-encoder）≠成对读（cross-encoder）

前速度快、可以提前算好存起来，但只比句子像不像；后者把问题和候选放在一起判，准得多，也慢贵得多——所以先用快的捞一批，再用慢的挑几条。

常见做法 · Variants

交叉编码器重排Cross-encoder

问题 + 候选→一个分数

主力做法：候选几十条时又快又稳，有专门的 rerank 模型

让大模型来挑LLM Rerank

把候选都塞进上下文→请它排序

候选少、判断复杂（要看时效和版本）时；成本和延迟明显更高

多样性重排MMR