重排序（Rerank）Rerank

是什么

传统的双塔向量检索分别编码查询和文档，支持离线建库，速度快但交互浅。重排序则采用 Cross-Encoder，将查询与文档拼接后输入模型做联合注意力计算。该模型在相关性标注数据上训练，监督信号比对比学习更细，精度更高，但每对文本需实时计算，无法提前建库。

在检索链路中，系统先通过召回获取较多初步结果，经融合后送入重排序阶段。重排序对这批候选文档重新打分，最终截取排名靠前的少量文档进入上下文。

解决什么问题

重排序主要解决召回阶段向量相似不等于查询相关的问题。由于大语言模型的上下文预算有限，系统无法将所有召回文档都输入给模型。重排序作为精排层补足了这一环节，通过深层语义交互剔除不相关的干扰项，确保把最相关的文档排到最前面，优化输入上下文的质量。

面试怎么考

面试中常考察以下方向：一是「为什么有了向量检索还要重排序」，答题需对比双塔模型与交叉编码器在计算机制和精度上的差异。二是「Cross-Encoder 为什么慢但准」，需从 Transformer 注意力机制切入，说明联合编码能捕捉深层交互，但无法离线预计算。三是「重排序在链路中的位置」，需明确其位于召回融合之后、截取上下文之前。

又称：Rerank · 重排序 · 重排 · Cross-Encoder 重排