检索器和 Reranker 的分数太相近、不可靠，怎么解决？

先这样答

结论是，不要直接依赖检索器和 Reranker 的绝对分数。先做分数归一化，再看候选之间的相对排序。同时从召回、重排、query 和评估四个方面处理。

如果候选分数挤在一起，说明分数的区分度低。可以把多路召回结果取并集，再统一交给 Reranker 排序。这样能扩大候选之间的差异，让模型在同一批候选中比较。若 Reranker 仍然分不出先后，可以换更强的模型，或者用 pairwise 排序方式做微调。

还可以改写 query，让问题中的语义差异更清楚。评估时要单独建设难例集，专门测试容易混淆的边界样例。这样不能只看整体排序结果，还能确认模型是否真的解决了分数接近的问题。

面试官会怎么追问

• 「为什么不能直接比较检索器和 Reranker 的绝对分数？」 分数挤在一起时，绝对值很难反映候选之间的真实差异。先归一化分数，再观察相对排序，更适合判断候选先后。重点是比较同一批候选中的排序关系。

• 「多路召回取并集后，为什么还要统一重排？」 多路召回会带来不同候选。取并集可以扩大候选范围。统一交给同一个 Reranker 排序，才能在同一尺度下比较这些候选。

• 「你怎么验证这次调整真的有效？」 建立难例集，专门覆盖分数接近、容易混淆的边界样例。分别观察归一化、召回并集、模型调整和 query 改写后的排序结果。重点检查边界样例是否能被正确区分。

回答的坑

• 只说“换更大的模型”，却不处理分数尺度、候选集合和 query 语义差异。

• 只看整体评估结果，不单独检查分数接近的边界样例。