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

引用此条事实

Stable URI

https://kongchang.com/claim/488691

API

curl https://kongchang.com/api/v1/knowledge/claims/488691

MCP

get_claim(id=488691)