已验证75% 置信事实时间未知
Reranker通常采用Cross-Encoder架构，与向量检索使用的Bi-Encoder架构形成对比
5
来源数
75%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
纯向量检索为什么搜不准？大厂混合检索架构深度解析
bilibilijava架构师百里
涉及实体
相关事实
待验证召回阶段通常采用 Bi-Encoder 模型（如 text-embedding-ada-002 或 BGE 系列），重排阶段使用 Cross-Encoder 模型（如 Cohere Rerank 或 BGE-Reranker）75% 相似已验证Reranking阶段通常使用交叉编码器（Cross-Encoder），将查询和文档拼接后联合编码，比双塔模型能更精确判断相关性但计算成本更高73% 相似待验证现代Sentence Embedding模型通常采用双塔（Bi-Encoder）结构，查询和文档分别独立编码为向量73% 相似待验证Bi-Encoder将问题和文档分别独立编码成向量再计算相似度，Cross-Encoder将问题和候选文档拼接后一起输入模型通过注意力机制充分交互72% 相似待验证Cross-Encoder将查询和文档拼接为一个输入序列，通过Transformer的全注意力机制进行深度交互建模，代表性模型包括Cohere Rerank、BGE-Reranker、ms-marco-MiniLM等71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/3780API
curl https://kongchang.com/api/v1/knowledge/claims/3780MCP
get_claim(id=3780)