1.基本思路2.为啥要用重排序3.常见的重排序模型了解BGE-M3嵌入模型可以支持重排序吗模型架构不同Embedder如 BGE-M3采用的是双编码器Bi-Encoder架构Query查询和 Document文档是分别单独输入模型生成向量的。这种架构计算速度极快适合结合向量数据库如 ChromaDB, Milvus做海量数据的召回。Reranker如 BGE-Reranker采用的是交叉编码器Cross-Encoder架构将Query和Document拼接成一条文本一起喂给模型让 Token 之间在 Self-Attention 层逐字逐句进行深度交叉匹配。效果与性能的权衡虽然 BGE-M3 的 Multi-VectorColBERT模式相比传统稠密向量提升了细粒度匹配能力但它的计算方式依然是基于双编码器独立生成的 Token 向量做点积无法做到 Cross-Encoder 那样深度的 Query-Document 交互。4.追问