Reranking
Le re-ranking est un second pass de scoring utilisant un modèle plus puissant pour réévaluer et réordonner les résultats initiaux pour une meilleure précision.
What Is Reranking?
Le re-ranking est une technique d'optimisation de récupération où un modèle cross-encoder plus coûteux réévalue et réordonne les résultats du pas initial de recherche. Les cross-encoders traitent requête et document conjointement, capturant des nuances que l'encodage indépendant manque. Le compromis est la vitesse : 100-1000x plus lent, donc utilisé comme second pass sur un petit ensemble de candidats (20-50 résultats).
How Reranking Works
Trois étapes : récupération initiale des candidats, cross-encoder réévalue chaque paire (requête, fragment), réordonnancement par nouveaux scores.
Why Reranking Matters
Améliore la précision de récupération de 5-15 points de pourcentage sur les benchmarks standards.
How Chatloom Uses Reranking
Chatloom intègre Cohere Rerank API avec fallback local par chevauchement de mots-clés.
Related Terms
Explore related concepts to deepen your understanding.
Frequently Asked Questions
- Le re-ranking ralentit-il les réponses ?
- 50-200 ms supplémentaires, généralement imperceptible dans le contexte d'une réponse totale.
- Différence bi-encoder vs cross-encoder ?
- Bi-encoder encode indépendamment, cross-encoder traite conjointement — plus lent mais plus précis.
- Peut-on l'utiliser sans API cloud ?
- Oui, avec des modèles open-source ou du re-ranking heuristique. Chatloom inclut un fallback local.