Il prossimoProssima guida
Qualità di recupero
Intelligenza artificiale linguistica
GUIDA ALL'AI linguistica
Retrieval reranking reorders a candidate set returned by a first-stage retriever.
Ascolta questa guidaNarrato dall'IA · ~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.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
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.
La riclassificazione è la seconda fase: riordina attentamente i candidati restituiti dal fast retriever, ottimizzando la precisione nella parte superiore.
I codificatori incrociati concatenano query e documenti e li eseguono congiuntamente, consentendo la piena attenzione incrociata e una maggiore precisione.
Poiché la query e ciascun documento devono essere elaborati insieme, non è possibile precalcolare i vettori del documento, quindi i codificatori incrociati vengono eseguiti solo su un piccolo set di candidati.
Il retriever lancia una rete ampia e veloce per massimizzare il richiamo; il reranker quindi affina la precisione su quel pool.
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.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Qualità di recupero
Intelligenza artificiale linguistica