重排序

重排序是什么

重排序（Rerank）是检索增强生成（RAG）中的关键环节：系统先用轻量方式召回一批候选文档（可能几百条），再用更精准的重排序模型对它们重新打分排序，只把最相关的十几条交给大模型生成答案。

没有重排序时，答案质量取决于"第一次捞上来的运气"；有了重排序，等于给候选文档做了一次"精挑细选"。

为什么需要

• 粗召回快但糙：向量检索按相似度粗略匹配，可能漏掉真正相关的
• 精排序贵但准：重排序模型逐条与问题深度比对，理解语义更细
• 上下文有限：大模型上下文窗口宝贵，只喂最相关的才高效

两阶段检索

1. 召回（Retrieval）：向量检索/关键词检索，快速取 top-N（如 200 条）
2. 重排（Rerank）：精模型给候选打分，取 top-K（如 10 条）给 LLM

常用重排序模型

• bge-reranker：智源开源，中文效果好
• Cohere Rerank：商用 API
• Jina Reranker：开源可部署
• 部分向量库与 RAG 框架内置 rerank 组件

效果

重排序通常能显著提升问答准确率——同样的知识库，加上 rerank 后命中率往往提高 10~20 个百分点。

一句话总结

重排序是 RAG 的"质量闸门"：先广撒网、再精挑细选，用可控的成本换来回答准确率的大幅提升。