待验证50% 置信事实时间未知
Reranking uses Cross-Encoder models to perform fine-grained scoring and reordering of candidate documents against the query, improving the quality of context sent to the LLM.
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
相关事实
待验证Reranker模型（如Cohere Rerank、BGE-Reranker、bce-reranker）同时考虑Query和Document的交互信息，排序精度更高但计算成本也更大71% 相似待验证上下文偏置（Contextual biasing）在解码阶段介入，通过向模型提供期望词表提高特定词的输出概率，实现方式包括浅层融合、深层偏置和 TCPGen 等架构71% 相似待验证Cross-Encoder重排序模型能以更高计算代价换取更精准的结果排序70% 相似待验证Rerank（重排序）使用Cross-Encoder模型对Top-K召回的候选片段重新打分排序，精度远高于Bi-Encoder69% 相似待验证高质量harness通常采用混合检索策略，将语义相似度与符号精确匹配结合，再通过重排序模型对候选片段打分68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/54862API
curl https://kongchang.com/api/v1/knowledge/claims/54862MCP
get_claim(id=54862)