reranking（重排序）

重排序（reranking）是信息检索管道中的关键步骤，通常在初始检索（如BM25或向量检索）之后，对候选文档进行更精确的相关性排序。初始检索追求高召回率，而重排序使用计算成本更高的模型（如交叉编码器、LambdaMART）来提升精度。背景是随着深度学习发展，神经重排序模型能捕捉查询和文档间的细粒度交互。技术说明包括 pairwise 或 listwise 排序损失、特征工程和模型集成。典型应用包括网页搜索、问答系统和检索增强生成（RAG），其中重排序能显著提升最终结果质量。