Appearance
Reranking 与后处理
召回之后,还要筛选出最适合回答的内容。
这节课解决什么问题
- 为什么初步检索的 Top-K 不一定够好
- Reranking 怎么提升最终回答质量
- 检索结果怎么组织进上下文
核心内容
- 粗排与精排
- Cross-Encoder Reranker
- 上下文裁剪与组装
- 引用溯源
本节产物
- 一个带精排的 RAG 链路
- 一份重排前后结果对比
- 一版带引用溯源的回答模板
课堂实作
- 对初步召回结果做 rerank 并比较最终上下文质量
- 把检索结果裁剪并组装成适合回答的上下文
- 让回答附带引用来源,而不是只给结论
并入项目
这一课会直接把项目二从“能检索”升级成“能更准地回答并给出处”。
面试会怎么问
- 为什么要做 Reranking
- 精排和粗排分别解决什么问题
- 引用溯源为什么重要
