待验证50% 置信权衡取舍精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证交叉编码器（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80% 相似已验证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76% 相似待验证离线文件转写可以使用双向注意力机制，综合前后文信息，并可进行多轮解码和重排序提升精度72% 相似待验证Cross-Encoder将查询和文档拼接为一个输入序列，通过Transformer的全注意力机制进行深度交互建模，代表性模型包括Cohere Rerank、BGE-Reranker、ms-marco-MiniLM等72% 相似待验证多头分类器共享一个主干编码器对输入文本生成统一向量表示，再通过多个独立分类头并行输出不同维度的预测结果71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/895429API
curl https://kongchang.com/api/v1/knowledge/claims/895429MCP
get_claim(id=895429)