Querit-Reranker 论文:BEIR nDCG@10 从 54.11 提至 59.28
Jayyun98_dev · x · 2026-10-09
Jayyun98dev 以 arXiv 论文 Querit-Reranker 反驳「Reranker 已死」的说法。论文要点：
- 提出以数据为中心的 label-free 适配管线训练紧凑多语言 reranker，用合成查询挖掘 + 教师模型连续软标签替代大量人工标注，并通过球面线性插值合并 checkpoint，得到单一可部署模型、无推理时集成开销。
- 两个实例：基于 MoE 骨干、激活参数 0.4B 的 Querit-Reranker-A0.4B，与基于 Qwen3-Embedding-4B 的 Querit-Reranker-4B。
- 配 Qwen3-Embedding-0.6B 做一阶段检索时，A0.4B 把 BEIR 平均 nDCG@10 从 54.11 提到 59.28，MIRACL 从 59.87 提到 67.70。
作者以此说明在相同检索器 top-100 上加 cross-encoder 仍有显著收益，质疑替代方案能否在同等成本下达到该质量。