已验证75% 置信事实精确时间
重排（Rerank）是对检索结果进行二次排序以提升相关性的步骤
3
来源数
75%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
待验证重排序模型是 RAG 管道中的第二阶段优化，在向量检索返回候选结果后对候选文档与查询相关性进行精细打分并重新排序79% 相似待验证排序模型在初步召回的结果基础上进行精细排序，把最相关的内容推到前面73% 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-Encoder71% 相似待验证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70% 相似待验证ReAct交替进行推理与行动，CoT通过中间步骤提升单步推理质量，ToT通过树状搜索探索多条解题路径68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/915135API
curl https://kongchang.com/api/v1/knowledge/claims/915135MCP
get_claim(id=915135)