面试题 · 检索
搜索「重排」匹配到口述回答，相关段落已展开。查看匹配内容 ↓
在检索增强生成系统中，为什么需要在初步检索后使用重排序（Rerank）模型？其作用和优势是什么？
向量检索的固有缺陷
两阶段架构的设计哲学
| 阶段 | 目标 | 约束 |
|---|
按学习路线查看教程、项目和面试题。
| 召回（Retrieval） | 高召回率、快速过滤 | 必须快（毫秒级），允许牺牲精度 |
| 精排（Rerank） | 高准确率、精准排序 | 可以慢（百毫秒级），只处理Top-K |
细粒度语义理解
计算资源后置
灵活性与可扩展性
场景切入
假设你在做一个电商客服系统，用户问“我的订单什么时候到”，我们先用向量检索召回了几篇相关文档，但发现排序不太准。你觉得这种情况下，加一个重排序模型有必要吗？为什么？
层层追问
RAG里你一般怎么做检索？……只靠向量召回够不够？……如果召回了100篇，怎么挑出最相关的5篇给大模型？……你觉得重排序在这中间能解决什么问题？
直球架构
请解释为什么在RAG系统的初步检索后需要一个重排序模型。它的核心作用是什么？相比只做向量检索，重排序带来了哪些优势？
我觉得这道题问的其实是，在[[RAG]]系统里，为什么不能只靠一次检索搞定，非要再加一道[[重排]]。说白了，就是召回率和精度之间的取舍，你没法用一个模型同时把两件事都做到极致。
先说一下向量检索的局限。不管是[[Embedding]]还是[[Bi-Encoder]]，本质是把query和文档独立编码成向量，然后算个余弦相似度。这种双塔结构只能捕捉粗粒度的语义，像主题匹配、领域对齐这种，但它做不了精细的交互。比如用户搜“苹果笔记本”，你召回“苹果公司财报”和“MacBook Pro评测”，向量上可能都很近，但用户要的是产品本身。再一个，向量维度有限，信息压缩过程中会损失很多细节，比如实体精确匹配、否定词这种，[[Faiss]]或者[[HNSW]]索引再快，也解决不了语义颗粒度的问题。
所以两阶段架构就来了。第一阶段用向量检索或者[[BM25]]做召回，目标是高召回、快，允许精度低一点，比如从百万级文档里先捞出Top 100。第二阶段用Rerank模型，只对这100条做精排，目标是把最相关的几条顶到前面。你可以这么理解，召回是海选，重排是决赛。海选要快，淘汰大部分不相关的；决赛要准，花更多资源做深度匹配。
那Rerank的核心优势是什么呢？最关键的其实是细粒度的语义理解。比如[[Cross-Encoder]]，它把query和文档拼接成一个序列，让模型做self-attention，这样就能捕捉到词级别的交互，比如“退款”和“退货”在客服场景里的细微差别。另外，计算资源后置也是一个很实际的好处。重排只处理Top K，成本可控；如果全库都用Cross-Encoder，那延迟和计算量都受不了。
举个例子，在电商客服场景里，用户问“订单超时未发货怎么退款”，如果只靠向量检索，可能召回一堆“退款流程”和“发货政策”的文档，但重排模型能更精确地判断哪篇文档里同时提到了“超时”和“退款”的逻辑关系，把最对症的那条置顶。
这里有个坑，就是重排模型本身也有前提和风险。首先，它的效果依赖召回的覆盖度，如果第一阶段没把相关文档捞进来，重排再强也没用。所以召回阶段要保证高召回，比如用[[Hybrid Search]]结合向量和关键词。其次，重排模型的计算开销还是不小的，如果Top K设得太大，比如500，延迟就会变高，影响用户体验。上线我会特别关注两个指标：一是重排后的Recall@K有没有提升，二是端到端延迟是否在可接受范围内。另外，重排模型要定期更新，因为数据分布会漂移，比如电商大促期间，用户query的语义可能跟平时不一样。
说到更新，其实有个延伸话题：如果知识库频繁变动，重排模型要不要跟着在线微调？我个人觉得，大多数场景下离线定期更新就够了，但如果是实时性要求很高的场景，比如金融行情问答，可能需要引入增量学习或者更轻量的模型，比如[[ColBERT]]这种Late Interaction方案，在效率和效果之间做平衡。
所以，我更倾向于把Rerank看成RAG系统里的一个质量把关者，而不是性能瓶颈。落地的时候，我会先评估业务对精度的要求有多高，如果只是随便问问，Top 1够用，那甚至不需要重排；但如果涉及到客服退款、合规审查这种风险敏感场景，重排就是必须的。我的取舍是：宁可多花几十毫秒做重排，也不让用户看到无关结果。