工具自适应的LLM重排序器
_reachsumit · x · 2026-07-14
这篇 **Tool-Adaptive LLM Reranker** 论文把 pointwise reranking 重新表述为一个**agentic decision process**。 模型不再是固定地对每个候选打分，而是根据当前样本与成本约束，自主决定何时调用外部搜索工具；训练时用**考虑成本的强化学习奖励**，在准确率和延迟之间做权衡。
_reachsumit · x · 2026-07-14
这篇 **Tool-Adaptive LLM Reranker** 论文把 pointwise reranking 重新表述为一个**agentic decision process**。 模型不再是固定地对每个候选打分，而是根据当前样本与成本约束，自主决定何时调用外部搜索工具；训练时用**考虑成本的强化学习奖励**，在准确率和延迟之间做权衡。