Yihui’s Blog

RAG中的重排序(Reranking)如何工作?有哪些重排序模型?

日期:2026-09-27
标签:#面试 #AI应用开发 #RAG #知识工程
难度:中等
来源:牛面题目详情

一句话答案

Reranking对初召回候选进行更精细的查询与文档匹配,选出最适合放进生成上下文的证据。

面试回答要点

  • 先用向量或关键词检索获得较大候选集。
  • 再用cross-encoder、专用重排模型或LLM逐对评分并取Top-K。
  • 精排改善排序但无法找回未召回的文档,应权衡质量与额外延迟。

自测

  • 不看笔记,用 60 秒回答:RAG中的重排序(Reranking)如何工作?有哪些重排序模型?
  • 结合自己的项目,补充一个具体场景、指标或取舍。
Maintained by · YihuiEdit on GitHub

Keep reading

View all posts

RAG 系统中如何处理多跳问答(Multi-hop QA)?

日期:2026-09-27 标签:#面试 #AI应用开发 #RAG #多跳问答 难度:困难 原题:牛面题目详情 一句话答案 多跳问答要找齐相互依赖的证据:把复杂问题拆成子问题,按依赖顺序检索并验证每一跳,再基于完整证据链作答和引用;证据不足时继续检索或拒答。 面试口语版(约 60 秒) 普通 RAG 用原问题检索…

Read article

题目模板:把用户提问写成面试与学习笔记

复制本文件的结构到对应题目文件,替换提示文字;没有解释价值的小节可以删去。不要把待填提示或未经核验的事实当作答案发布。 (填写题目原文) 日期:YYYY-MM-DD 标签:#面试 #AI应用开发 #RAG #知识工程 难度:(按题目实际难度填写) 来源:(若改写已有题目,填原题直达链接;自拟题写“用户提问”,不要…

Read article