待验证50% 置信事实精确时间
重排序器（reranker）通常是基于cross-encoder的第二阶段模型，把查询和候选chunk拼在一起逐对打分，精度高于双塔embedding但计算量大，所以只对召回的前50–150条重排。
1
来源数
50%
置信度
长期有效
时效性
2026/10/19
首次发现
来源
涉及实体
相关事实
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74% 相似待验证Reranker模型（如Cohere Rerank、BGE-Reranker、bce-reranker）同时考虑Query和Document的交互信息，排序精度更高但计算成本也更大74% 相似待验证重排序模型是 RAG 管道中的第二阶段优化，在向量检索返回候选结果后对候选文档与查询相关性进行精细打分并重新排序73% 相似待验证级联是一种顺序执行策略，请求先进入低成本模型，若其置信度或验证器判定结果不可靠，则将同一请求升级到更强的模型重试。71% 相似待验证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。70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065185API
curl https://kongchang.com/api/v1/knowledge/claims/1065185MCP
get_claim(id=1065185)