BGE-Reranker

概述

BGE-Reranker 是智源研究院（BAAI）开源的跨编码器重排模型系列，采用 Cross-Encoder 架构，将查询和文档拼接后通过双向自注意力机制逐词分析语义匹配关系，输出 0-1 相关性分数，是中文场景下性价比最高的 RAG 重排利器。

关键内容

1. Cross-Encoder 架构：不同于 Bi-encoder 分别编码再比距离，Cross-Encoder 将查询和文档拼成完整序列输入，通过双向自注意力实现细粒度语义匹配
2. 工业级落地流程：RFF 融合得到 Top20 候选集 → 批量送入 BGE-Reranker 重新打分排序 → 按最终分数筛选送入大模型
3. 效果提升显著：加入 BGE 重排后，RAG 系统 MRR@10 提升 37.2%，单点问题回答准确率从 80% 提升至 95% 以上
4. 解决噪音问题：专门过滤语义接近但逻辑无关的"噪音文档"，是 RAG 准确率的最后一公里
5. 中文场景优势：在中文多语种环境下表现优异，是当前中文 RAG 落地的首选重排模型

来源

• raw/articles/essays/thinking-series/008-算法面试 — 全文

相关

• RFF融合 — relates_to（RFF 融合后接 BGE 重排）
• BGE-M3 — relates_to（同属 BGE 系列）
• 检索重排序 — extends
• Cross-encoder与Bi-encoder — implements