重排序
由更精确的评分模型对检索到的候选结果进行第二阶段排序。
概览
Reranking 接收由快速的第一阶段检索返回的候选文档，并使用一个更慢、更准确的模型对它们重新排序，该模型会同时读取查询和文档。它解决了向量搜索的准确率上限问题，因为向量搜索独立地比较查询和文档，因而会遗漏细粒度的相关性。它之所以存在，是因为这两个目标相互冲突：检索必须以低成本扫描数百万个条目，而相关性判断则受益于联合读取查询-文档对。Reranking 让每个阶段各司其职。
技术图谱
重排序 如何与技术栈的其他部分相连。
使用与依赖
- Cross-Encoder concept Techniques 重排序 uses Cross-Encoder High ✓ source
- BERT model Models 重排序 based on BERT High ✓ source
被用于
- AI Search application Applications 重排序 used by AI Search High ✓ source
- RAG technique Techniques 重排序 used by RAG Medium ✓ source