待验证60% 置信解决方案精确时间
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LLM
2
来源数
60%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
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84% 相似待验证重排序通常使用交叉编码器实现，将查询和候选文档拼接后同时输入，通常只对Top-50到Top-100候选重排，最终选取Top-3到Top-5送入生成模型78% 相似待验证Cross-Encoder将查询与候选代码片段拼接后一同输入，打分精度高于Bi-Encoder但计算开销更大，因此通常只对ANN召回的Top-K候选结果进行重排77% 相似待验证重排阶段通常对10-50条候选文档进行精排，能够捕捉双编码器遗漏的细微语义关联从而提升检索相关性73% 相似待验证检索与注入层常用技术包括MMR算法、Hybrid Search混合召回、Cross-Encoder重排序及时间衰减加权72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/510728API
curl https://kongchang.com/api/v1/knowledge/claims/510728MCP
get_claim(id=510728)