重排序堆出质量阶梯:混合检索+LLM 二次重排 nDCG 翻 2.6 倍
CShorten30 · x · 2026-11-16
Christopher Shorten 发布研究报告 Scaling Reranked Retrieval,围绕检索算力该花在哪,提出三个杠杆:深度(deeper retrieval)、阶段(more reranking stages)、宽度(more models per stage)。
实验发现深度与阶段可以组合成一条质量阶梯,nDCG@10 逐级上升:
- 0.181:仅混合检索(BM25 + Snowflake Arctic 2.0 嵌入)
- 0.358:+ zerank-2 对 top-100 重排
- 0.424:+ 更深候选池,重排 top-2K
- 0.470:+ GPT-5.6 Luna 对 top-20 做 listwise 重排
所属事件:检索重排研究:混合检索加 LLM 二次重排 nDCG 提升 2.6 倍(3 条相关)→
「研究」频道最新
- OSWorld-Persona 基准:108 段录屏评测智能体何时该主动帮忙 — EchoShao8899 · 2026-11-16
- Fable 5.2 解谜「好得可疑」,被质疑训练时见过 MazeBench — patience_cave · 2026-11-16
- 研究:人们在道德两难中想从 AI 顾问那里获得怎样的「对齐」 — MaartenSap · 2026-11-16
- Schmidhuber 发新综述:机器学习是一门「功劳分配」的科学 — SchmidhuberAI · 2026-11-16
- Andrew Wilson:超越黑盒预测的 AI 研究是最鼓舞人心的方向 — andrewgwils · 2026-11-16
- Perplexity 宣布成立 Frontier Research,公开推进模型与算法前沿 — andrewgwils · 2026-11-16