rerank模型原理

1. 什么是 Rerank?

Rerank(重排序) 是 RAG(检索增强生成)系统中的一种优化技术,用于提升检索精度。它采用两阶段检索架构:

第一阶段(粗排):使用向量检索快速获取大量候选文档(如 topK=200)

第二阶段(精排):使用专门的重排序模型对候选文档进行精确评分和重新排序

Rerank 的核心价值

✅ 提升检索精度:通过专业化模型更准确地评估文档相关性

✅ 解决语义漂移:深度理解查询和文档的完整上下文

✅ 优化排序质量:将最相关的文档排在前面

✅ 过滤低质量文档:通过分数阈值过滤不相关内容

2. 为什么需要Rerank?

为什么一个Embedding模型还不够,还需要再加一个Rerank模型?

下图为Embedding模型的缺点:

其中最主要的原因就是,查询与文档缺乏深度交互(Bi-Encoder 的先天局限)

Bi-Encoder是将查询的问题和文档分别编码,文档是提前已经编码好存储在向量库中,然后将问题进行编码,计算问题向量和文档片段向量之间的余弦相似度,最后返回相似度最高的TOP N个文档片段。

造成的结果:Embedding 无法判断"查询中的关键词是否在文档中被充分回答"。

如何解决Embedding模型带来的问题呢,以下是解决方案

其中rerank模型能够解决以下问题

3. rerank的原理

Rerank 是一个交叉编码器(Cross-Encoder) ,它同时接收查询和文档,进行深度交互后输出相关性分数。

查询和文档一起输入模型,在 Transformer 内部进行 token 级别的交叉注意力计算。

单独用 Embedding 的问题:

  • 向量相似度是"浅层匹配",无法理解复杂的查询意图

  • 例如查询"苹果的价格",可能召回"苹果公司的股价"和"水果店苹果的价格",Embedding 难以区分

单独用 Rerank 的问题:

  • 无法直接对海量文档逐一打分(计算量太大)

  • 必须有候选集才能工作

4. 其他优化策略

相关推荐
梯度下降者3 小时前
让AI的“隐形思维“也能越练越强,这项突破或将重写推理效率的边界
ai·强化学习·潜在推理·代理概率·停止门
我才是银古4 小时前
chat-demo 源码解析与 DeepSeek 全家桶 API 能力盘点
ai·demo·deepseek
装不满的克莱因瓶5 小时前
【从零搭建】AI大模型之ReactAgent智能体对接MCP实战
java·人工智能·ai·springai·mcp·springaialibaba
cpolar技术支持7 小时前
容器数是 6 个、6 个、还是 6 个,可服务早被换掉了:用一个 5.5MB 的 Go 单文件把机器每周的变化记下来,再给它套一层别人看不懂的入口
python·docker·ai·cpolar
万俟淋曦8 小时前
[ROS 系列学习教程] 建模与仿真 - 使用 ros_control 控制六轴串联机械臂
人工智能·ai·机器人·ros·机械臂·robotics·具身智能
效率工作实验室9 小时前
企业级AI Agent平台选型指南:主流厂商能力对比与落地场景解析
ai·企业级ai·agent平台选型·agent平台能力对比·企业智能体落地场景
进击的雷神20 小时前
不预测数字,而是重演未来:多智能体仿真引擎 MiroFish 上手体验
ai·开源·mirofish
dozenyaoyida20 小时前
AI与大模型新闻日报 | 2026-11-08
人工智能·搜索引擎·ai·大模型·新闻
Solange__1 天前
Blender 3D模型优化:普通复制、共享网格、实例、合并怎么选?
人工智能·3d·ai·自然语言处理·编辑器·blender·材质
菩提小狗1 天前
每日极客日报 · 2026年11月13日
ai·开源·极客日报·it热点·技术资讯