待验证50% 置信解决方案精确时间
生产系统通常采用粗召回+精排的两阶段架构：Bi-Encoder召回Top20-50候选，Cross-Encoder重排后取Top3-5送入大模型
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
Embedding微调实战：提升RAG检索质量的核心优化手段
bilibili研究院张Q2026/7/8
相关事实
待验证重排序使用Cross-Encoder模型对初步检索召回的候选文档逐对打分，精排出Top-K送入LLM67% 相似待验证生产级RAG系统常采用混合检索加重排序的两阶段架构，先用稀疏检索（如BM25）召回候选文档，再用Cross-Encoder重排序精选片段67% 相似待验证重排序通常采用CrossEncoder架构，将查询与候选块拼接后进行相关性评分，在工业级RAG系统中已成为标准的粗排+精排两阶段架构65% 相似已验证重排序（Re-ranking）机制在初步检索后引入交叉编码器（Cross-Encoder）对候选文档重新打分，提升输入大模型的上下文质量64% 相似待验证选具备完整体系的分级读物（如按'观察-分类-推理-空间-数感'五大模块划分且逐级进阶）优于单本题册，成体系产品能覆盖逻辑发展的完整链条，避免能力断层59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/488691API
curl https://kongchang.com/api/v1/knowledge/claims/488691MCP
get_claim(id=488691)