Verified80% confidenceFactTime unknown
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
11
Sources
80%
Confidence
Long-term
Relevance
6/1/2026
First Seen
Sources
Agentic RAG实战：原理剖析与LangChain代码实现
bilibiliAI大模型__
Related Entities
Related Claims
Verified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84% similarUnverified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80% similarUnverified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76% similarVerifiedReranker通常采用Cross-Encoder架构，与向量检索使用的Bi-Encoder架构形成对比73% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/27055API
curl https://kongchang.com/api/v1/knowledge/claims/27055MCP
get_claim(id=27055)