待验证50% 置信解决方案精确时间
Rerank（重排）发生在调用LLM之前，重排模型同时阅读问题和候选片段输出更精确排序，常见做法是召回10-20个、重排后只保留3-5个送入LLM，从而减少上下文token量并提升答案质量。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
聊天机器人每轮重发全部历史：实测上下文成本与压缩策略
rss2026/10/15
涉及实体
相关事实
待验证ReRankEval 项目采用 prompt 驱动的 LLM 重排序器，让大模型直接判断每个候选文档与问题的相关程度并重新排序72% 相似已验证Rerank（重排序）使用Cross-Encoder模型对Top-K召回的候选片段重新打分排序，精度远高于Bi-Encoder70% 相似已验证Rerank是在TopK初步检索后，用一个精排模型对候选片段重新打分排序，以提升送入大模型的上下文质量70% 相似已验证重排（Rerank）是对检索结果进行二次排序以提升相关性的步骤67% 相似待验证节点同时做LLM调用和路由判断会导致对同一数据的重复评估或每步多次调用LLM，拖垮Token消耗67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1037066API
curl https://kongchang.com/api/v1/knowledge/claims/1037066MCP
get_claim(id=1037066)