LLM Reranking（大模型重排序）

LLM Reranking是信息检索中的两阶段排序方法：先由召回模型（如BM25、双塔模型）获取候选文档，再用LLM对候选进行精细打分和重排。LLM通过计算查询与文档的相关性得分（如生成式打分或交叉编码），显著提升排序质量。代表工作包括monoT5、RankGPT和ColBERT。挑战在于计算成本高，需平衡效率与效果。