ΕπόμενοΕπόμενος οδηγός
Ποιότητα ανάκτησης
Γλώσσα AI
ΟΔΗΓΟΣ ΓΛΩΣΣΑΣ AI
Retrieval reranking reorders a candidate set returned by a first-stage retriever.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~1 min
A reranker can improve ordering within that set, but cannot add a relevant document that retrieval missed or verify a generated answer.
A retrieval pipeline may use a fast retriever to select candidates and a reranker to score the smaller set. Nogueira and Cho describe BERT passage reranking for MS MARCO; later work explores language-model reranking. Reranking changes candidate order, not candidate membership. In retrieval-augmented generation, a reranker cannot recover documents absent from the retrieved pool and does not establish that generated claims are supported.
A first-stage retriever returns candidates, and a cross-encoder scores each query-document pair before final ranking.
A reranker can move a relevant candidate higher when the retriever returned it but ranked it poorly.
A listwise language-model reranker compares candidate passages under a specific prompt and candidate budget.
Evaluate candidate recall separately from final rank quality and generated-claim support.
Select candidate count and ranking model for the task, then measure retrieval coverage, ranking quality, latency and answer grounding separately. Compare against a first-stage baseline on held-out queries. The cited sources support specific experiments, not a guarantee that reranking reduces hallucinations in every RAG system.
Δωρεάν ενημερωτικό δελτίο
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
Retrieval reranking reorders a candidate set returned by a first-stage retriever. A reranker can improve ordering within that set, but cannot add a relevant document that retrieval missed or verify a generated answer.
Η ανακατάταξη είναι το δεύτερο στάδιο: αναδιατάσσει προσεκτικά τους υποψηφίους που επέστρεψε το γρήγορο retriever, βελτιστοποιώντας την ακρίβεια στην κορυφή.
Οι διασταυρούμενοι κωδικοποιητές συνενώνουν το ερώτημα και το έγγραφο και τα εκτελούν από κοινού, επιτρέποντας πλήρη διασταυρούμενη προσοχή και μεγαλύτερη ακρίβεια.
Επειδή το ερώτημα και κάθε έγγραφο πρέπει να υποβάλλονται σε επεξεργασία μαζί, δεν μπορείτε να υπολογίσετε εκ των προτέρων διανύσματα εγγράφων, επομένως οι διασταυρούμενοι κωδικοποιητές εκτελούνται μόνο σε ένα μικρό υποψήφιο σύνολο.
Το ριτρίβερ ρίχνει ένα φαρδύ, γρήγορο δίχτυ για να μεγιστοποιήσει την ανάκληση. ο αναβαθμιστής στη συνέχεια ακονίζει την ακρίβεια σε αυτή τη δεξαμενή.
A reranker scores and reorders only the candidates supplied to it. It cannot recover an omitted document, guarantee relevance scores are correct, or verify claims generated from the resulting passages.
Συνέχισε να μαθαίνεις
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα
ΕπόμενοΕπόμενος οδηγός
Ποιότητα ανάκτησης
Γλώσσα AI