Reranking

概述

Reranking（检索重排序）是在初始检索后对候选文档块进行精细打分排序的技术，通过相关性模型对 Top 候选块重新评分，进一步提升检索准确性。

关键内容

1. 工作流程：初始检索取 Top 150 候选块 → 重排序模型对每块评分（查询相关性 + 重要性）→ 取 Top 20 块传给生成模型。

2. 性能提升：在 上下文检索 中，结合语境嵌入和语境 BM25 后，再加 Reranking 可将检索失败率从 2.9% 降至 1.9%，相对基准降低 67%。

3. 成本-性能权衡：重排序增加了推理延迟，需要在性能提升和延迟增加之间找到平衡点。

4. 与混合检索的关系：Reranking 是在语义嵌入 + BM25 混合检索之后的第三层增强，形成三层检索增强架构。

来源

• 02_contextual_retrieval.md — 重排序作用与性能实验章节

相关

• 上下文检索 — uses
• BM25 — relates_to
• 语义嵌入 — relates_to
• 检索增强生成 — uses