RAG系统中, 检索(retrieval)步骤完成之后, 可以从矢量数据库中根据相似性, 把相关的文档切片读取出来, 而文档切片的相关性排序, 对于最终的生成结果, 影响很大.

今天Chris就来扒一扒, 如果出现了检索文档排序不准确的问题, 应该如何解决?

Rerank

顾名思义, Rerank就是在检索之后, 对检索出来的结果, 再进行一次语义分析, 然后重新对文档进行重新的排序

Rerank的原理

Rerank的原理在于采用了不同的transformer模型架构: Cross-Encoder. 而普通检索阶段的模型架构叫做Bi-Encoder.

Bi-Encoder 会分别独立处理query和document, 把它们处理成相同维度的矢量. 对于document资料的矢量化处理, 发生在离线状态; 而对于query的矢量化, 发生在检索的过程中. 这样做, 检索的时候性能会非常好, 响应会很快.

相比而言, Cross-Encoder 会同时处理query和document, 彼此作为各自的context上下文, 一起传给transformer. 熟悉注意力(attention)机制的朋友, 一下就能明白此处的玄机了. 因为query 和 document 串接在一起, 作为一个整体去计算注意力权重, 那准确性自然要更高了!!! 当然这样做, 计算成本很高了, 所以不适合大规模的线上检索处理了!

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】