待验证50% 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
1
来源数
50%
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71% 相似待验证重排序（Rerank）模型如Cohere Rerank、BGE-Reranker利用Cross-Encoder架构对查询与文档相关性进行精细评分，是RAG精度优化的关键一环68% 相似待验证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67% 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)