Re-ranking 重排序是什麼？先廣撒網，再精準挑

知識庫問答明明資料都有，答案卻總是抓到半相關的段落。多半不是資料的問題，是排序的問題。

重排序解決的就是這件事。檢索負責「廣」，重排序負責「準」，兩段分工之後，最終回答的品質會明顯不一樣。

定義

Re-ranking 重排序，是在向量檢索之後加的一道步驟。先用快速但相對粗略的檢索模型找出一批候選文件，再用更強大的重排序模型，對這些候選做更精準的相關性打分，重新排序。

在知識庫問答的完整流程裡，它排在第三步：使用者提問、初步檢索、重排序、取前幾筆高品質內容、交給模型生成最終回答。

一句話記住分工：檢索負責「廣」，重排序負責「準」。

白話比喻

像招募流程。第一關用關鍵字快速刷掉大部分履歷，留下五十份；第二關主管一份一份細看，決定誰進面試。第一關要快，第二關要準，兩關的工具本來就不該一樣。

效果差在哪？初步檢索的分數往往很接近，第一名和第五名只差零點零幾，排序其實不可靠。重排序重新打分之後，真正最相關的那筆才會浮上來。

檢索跟重排序差在哪？

實際用例

以一個健康知識庫為例。使用者問「怎麼改善睡眠品質」，初步檢索撈回五筆，分數從零點七幾到零點八幾，排第一的其實是相關度較低的那筆。重排序之後，真正談改善方法的那篇被推到第一，回答品質立刻不同。

要不要加這一段？如果你的知識庫問答常常「資料明明有卻答不到重點」，加重排序是最直接的改善。搭配 混合搜尋 一起用，召回與精排都補齊，效果更明顯。