Cross-Encoder 交叉編碼器是什麼？更準但更慢的比對方式

知識庫撈出來的十份資料裡，只有一份真的答得到問題，剩下九份都只是「字面上有點像」。

交叉編碼器就是負責在最後一關把那一份挑出來的機制。它慢，但它準。

定義

Cross-Encoder（交叉編碼器）是一種將查詢（問題）與文件（段落）串接在一起、輸入到同一個 Transformer 模型中的機制，讓模型直接學習兩者的互動關係，輸出相關性分數。

運作方式分三步：輸入串接把問題與文件綁在一起、模型深度編碼同時理解兩者、輸出一個相關性分數。

它不只看文件內容，而是理解問題和文件之間的真正關係。

跟雙塔編碼器差在哪

在 RAG 流程中的位置

第一步用向量搜尋或 BM25 做文件檢索，撈出前 K 筆候選文件。

第二步進入 Re-ranking 重排序，用交叉編碼器逐一與問題配對打分。第三步輸出分數最高的前幾筆，作為最終送進模型的依據。

實際用例

問「AI 如何應用在醫療影像診斷」，候選文件裡有一份談深度學習分析 X 光與電腦斷層影像、一份談影像壓縮技術、一份談醫療產業市場規模。

三份都含有「醫療」與「影像」，用 Embedding 相似度不一定分得出來，交叉編碼器則會把第一份的分數拉得明顯高於另外兩份。