待验证50% 置信事实精确时间

ReRankEval 项目采用 prompt 驱动的 LLM 重排序器，让大模型直接判断每个候选文档与问题的相关程度并重新排序

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/5

首次发现

有效期至：2027/1/3

来源

混合RAG检索实战：Dense+BM25+RRF与重排序完整解析

涉及实体

ReRankEvalproduct

相关事实

待验证LLM-Blender 通过训练专用排序模型 PairRanker 来评估多个 LLM 的候选输出并融合最优结果75% 相似待验证Rerank是在TopK初步检索后，用一个精排模型对候选片段重新打分排序，以提升送入大模型的上下文质量74% 相似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72% 相似待验证重掩码采样器在每一步根据模型预测优先确认置信度高的位置，再把剩余位置重新掩码72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/976372

API

curl https://kongchang.com/api/v1/knowledge/claims/976372

MCP

get_claim(id=976372)