ms-marco-MiniLM-L-6-v2
A lightweight cross-encoder reranking model based on MiniLM, trained on the MS MARCO dataset, used for relevance reranking of retrieval results.
Timeline (last 90 days)
混合检索的四阶段流程为：第一阶段并行稠密检索和稀疏检索；第二阶段用RRF融合，k_constant默认60，稠密权重0.7，稀疏权重0.3；第三阶段用Cross-Encoder重排序（推荐ms-marco-MiniLM-L-6-v2）；第四阶段截取Top-K，默认k=5，fetch_k=20。
Cross-Encoder与Bi-Encoder有本质区别：Bi-Encoder独立编码查询和文档，速度快但精度有限，适合第一阶段召回；Cross-Encoder将[query, document]拼接输入Transformer，精度更高但无法预计算，适合对Top-20到Top-100的小候选集重排序。ms-marco-MiniLM-L-6-v2是6层结构，单次推理约几十毫秒，是生产环境中性价比高的重排序选择。
All Facts (2)
混合检索的四阶段流程为：第一阶段并行稠密检索和稀疏检索；第二阶段用RRF融合，k_constant默认60，稠密权重0.7，稀疏权重0.3；第三阶段用Cross-Encoder重排序（推荐ms-marco-MiniLM-L-6-v2）；第四阶段截取Top-K，默认k=5，fetch_k=20。
50%UnverifiedCross-Encoder与Bi-Encoder有本质区别：Bi-Encoder独立编码查询和文档，速度快但精度有限，适合第一阶段召回；Cross-Encoder将[query, document]拼接输入Transformer，精度更高但无法预计算，适合对Top-20到Top-100的小候选集重排序。ms-marco-MiniLM-L-6-v2是6层结构，单次推理约几十毫秒，是生产环境中性价比高的重排序选择。
50%