概念-重排序

一句话理解

重排序（Reranking）是 RAG 系统中的”精挑细选”环节：从初步检索返回的几十条结果中，用更精确的模型重新排序，挑出最相关的 Top-K 送给 LLM。

为什么需要重排序

初步检索（Embedding 相似度搜索）追求速度，但精度不够：

• 检索返回 50 条结果，大多”有点相关但不够好”
• 直接全塞给 LLM 会浪费 token 且稀释重点

重排序用一个更精确但更慢的模型，对这 50 条重新打分排序，只取最相关的 3-5 条。

比喻：海选（初步检索）→ 复试（重排序）→ 决赛（生成答案）。海选快但粗，复试慢但精。

常见重排序模型

2026 年建议

• 重排序是 RAG 系统的”性价比最高”的优化——加一个 reranker，检索质量提升 10-20%，成本增加不到 5%
• 中小规模用 bge-reranker，企业级用 Cohere Rerank

相关笔记

• 13.7 重排序 —— 提升精度的关键 — 主章节
• 概念-Embedding模型 — 初步检索
• 第13章 · RAG 进化树 — RAG 全景

来源

• BGE Reranker: https://huggingface.co/BAAI/bge-reranker-v2-m3
• Cohere Rerank: https://docs.cohere.com/docs/rerank-2