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
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用 prompt 造硬件:一次对话让智能体组装定制设备寄到家 — paraschopra · 2026-09-11
- 模型之外才是关键:一文拆解 RAG 到多智能体的六大 AI 架构 — goyalshaliniuk · 2026-09-11
- 零基础开发者自建分层记忆架构，仅 20k token 记住一年对话 — matteoianni · 2026-09-11