已验证65% 置信事实精确时间
交叉编码器（Cross-Encoder）将查询与每个候选文档拼接后联合输入同一模型，通过注意力机制捕捉词级交互，排序精度优于向量相似度，但延迟随候选集规模线性增长
3
来源数
65%
置信度
长期有效
时效性
2026/7/22
首次发现
来源
相关事实
已验证Reranking阶段通常使用交叉编码器（Cross-Encoder），将查询和文档拼接后联合编码，比双塔模型能更精确判断相关性但计算成本更高84% 相似待验证Bi-Encoder将问题和文档分别独立编码成向量再计算相似度，Cross-Encoder将问题和候选文档拼接后一起输入模型通过注意力机制充分交互81% 相似待验证交叉编码器将查询和文档拼接为一个序列通过全注意力机制联合编码，精度高但计算复杂度为O(n)级别，只适合对初检结果Top-K（通常20-100条）精排80% 相似已验证语义缓存通过向量相似度匹配语义等价的查询，能对意思相近但措辞不同的请求命中同一缓存条目76% 相似待验证重排器通常使用交叉编码器实现，将查询和文档拼接后联合输入Transformer模型，排序精度显著高于初检阶段75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/588959API
curl https://kongchang.com/api/v1/knowledge/claims/588959MCP
get_claim(id=588959)