实测：多数 reranker 反而拖累检索，bge-reranker 要 4B 才有增益
bo_wangbo · x · 2026-10-17
作者分享三点检索管道实证发现：
- bge-m3 是很好的 embedding，但 bge-reranker（及许多其他 reranker）会搞乱第一阶段检索——reranker 并非默认增益项。
- reranker 的收益只有把模型放大到 4B 时才可见，小 reranker 常得不偿失。
- 他复用了 pplx-decider 的 prompt 思路，让 decider 对文档给出 0-9 的相关性评分；pplx-decider 从未在 reranking 监督数据上训练过，在其内部私有 MTEB 风格基准上评估。
对做 RAG/检索管道的开发者是实用的避坑信息：先验证 reranker 真有增益再引入。
「研究」频道最新
- MajorTOM:Elliot 发布:27.9 万块多传感器对地观测预训练数据集 — HildeKuehne · 2026-10-17
- Gen-Verse 开源 DiscoveryRSI-27B：把科学假设当版本化对象迭代 — jacek2023 · 2026-10-17
- 研究:GPT-5.5 在 200 篇摘要中 198 篇隐去负面结果,一句提示词可纠偏 — The Decoder · 2026-10-17
- 官方与开源基准排名严重打架,网友呼吁做复现 jev 校准能力的开放基准 — lahwran_ · 2026-10-17
- Diffusion Explainer 可视化文生图全过程，参数实时可调 — techNmak · 2026-10-17
- Just add more RL envs：一句话浓缩当下 RL 训练扩 Increasing 共识 — burny_tech · 2026-10-17