结合对话历史重排检索结果
bigaiguy · x · 2026-07-11
介绍 Context-Aware Reranking：检索只是拿到候选，重排才决定哪些内容真正进入上下文。
常见做法是取 top-10 后全部塞给模型；这里则用轻量 reranker 根据完整对话历史来打分，而不只看当前查询。与之前上下文冲突的 chunk 会被降权，与上下文延续一致的 chunk 会被加权。帖子末尾提到，该方法让 token 使用和答案质量都明显改善。
所属事件:RAG系统进阶指南：解决上下文污染的八大工程技巧(20 条相关)→
「编程与Agent」频道最新
- DeepMind 论文：LLM 无法真正随机，给随机种子才行 — rohanpaul_ai · 2026-10-27
- DeepMind 论文：LLM 无法自行随机采样，需外部传入随机数 — rohanpaul_ai · 2026-10-27
- BELL stack 开源：浏览器+Agent 框架+iMessage+支付，一套搭个人智能体 — jeff_weinstein · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 两名工程师用 AI 3.5 个月重建 FedEx 供应商计费核心,原估 7-8 个月 — alex_verem · 2026-10-27
- AA 实测 GPT-6.1 Terra:编码 Agent 得 48 分,成本仅前代三分之一 — ArtificialAnlys · 2026-10-27