检索重排研究:混合检索加 LLM 二次重排 nDCG 提升 2.6 倍

Christopher Shorten 发布研究报告 Scaling Reranked Retrieval,探讨检索算力应花在哪里,提出深度、候选池规模等三个杠杆。实验显示将混合检索(BM25+Snowflake Arctic 2.0 embeddings)候选池从 k=100 扩到 2000,召回率从 0.476 升至 0.871;Zerank-2 加 LLM 二段重排流水线以每查询约 0.037 美元达到 nDCG 0.47,各配置构成清晰的 Pareto 前沿。

2026-11-16 ~ 2026-11-16 · 3 条相关