reranking

一篇实验性博客文章提出「Bag of Decisions」重排方法：让 LLM 为每个查询生成一组是/否判准问题，再用 Jev 计算各问题为真的概率并求和作为相关性分数，在 Wayfair WANDS 和 Amazon ESCI 数据集上均优于 BM25 和单一问题重排。

这项基准测试在 Google 的 FRAMES 多跳问题上对比了 18 种 RAG 流水线变体与一个简单的智能体循环，结果发现最佳流水线得分为 78.9%，而一个可以重新搜索的智能体循环达到 92.7%。令人意外的是，重排序往往会降低准确率。作者还指出，尽管明确要求模型仅依据检索到的文档作答，模型有时仍会凭记忆填补信息空白。

本文为 LLM 引导的进化搜索引入了组件感知反馈机制，将哪个组件的修改改变了哪些适应度指标记录在归因记忆中，从而仅用三分之一的搜索预算便达到了基线水平的性能，并在 Bright 重排序任务上将 nDCG@10 提升了 7.2%。

介绍 Jev 如何作为 RAG 管道中的“裁判”，在检索与生成之间评估候选段落的相关性、可回答性和潜在提示注入，并附上基于 Comet Opik 的开源 Jev-as-a-Judge 项目。

RenderRank 介绍了一种重排序方法，该方法使用压缩的视觉文档表示来减少令牌使用并提高效率，同时在多个数据集上保持准确性。

本文介绍了ZooWork-ShopRanker，这是一个开源的电商重排序模型系列，对齐到由评审者标注的人类偏好，相比基线实现了显著的性能提升，并发布了模型和一个新的研究基准。

本文介绍了一项关于长上下文多项选择问答中学习上下文规划的控制研究，表明在各种实验设置下，该方法并未稳健地超越如BM25和混合检索等强检索方法。

本文测试了Jev模型在RAG检索中的应用，评估其在加速检索和降低成本方面的效果，结果显示在重排和判断可回答性上具有优势。

这条推文推荐Jev用于RAG，强调其语义匹配能力优于点积相似度，使其在作为相似度指标和重排序器方面很有用。

一位开发者分享了一项实验，使用 Qwen 3.5 4B 模拟 Jev 的概率输出，通过抓取 logits 概率，结果和代码在 GitHub 和演示网站上可用。

「Alpine Agentic Search」是一场定于10月7日在苏黎世举办的AI社区聚会，活动包含关于向量搜索、重排序以及面向搜索工作负载的代理（Agents）等主题的技术演讲，演讲者来自 Nebius、NVIDIA 和 Tavily。

OntologyAligner 提出一个三阶段框架，结合本体对齐检索和LLM重排序用于生物医学本体归一化，在HPO任务上实现了最先进的性能，并引入了PhenoNormBench基准。

本文提出了多样性感知技能路由（DSR），一种使用行列式点过程来平衡LLM代理技能选择中的相关性和非冗余性的重排序框架，从而在基准测试中提升召回率和覆盖率。

本文介绍了hLLM，一种用于生成式重排序的解码策略，它使用匈牙利算法实现单次解码，在保持排序质量的同时实现了64倍的速度提升。

本文评估了对话推荐系统中的LLM重排器，表明性能和稳定性高度依赖于检索协议、候选池配置和解码设置。

本文介绍了PACE，一个无训练框架，通过基于证据覆盖率重排候选并动态调整重排预算来优化RAG系统，从而提高证据召回率并降低延迟。

一项关于嵌入与大语言模型成本效益的讨论，引用了名为'embedder's dilemma'的研究，该研究发现大语言模型以显著更高的成本超越了嵌入模型。

作者分享了防止基于RAG的智能体基于糟糕的检索上下文行动的技术，包括混合检索、重排序、纠正检索步骤和防护栏，并有一个构建实验室活动于8月29日演示这些方法。

本文提出了HNR-DAC，一种用于引用论文科学声明验证的两阶段框架，结合了难负样本重排序与分布对齐分类。该方法在NLPCC 2026 Task 10 Track 2上表现优异，以最高的Macro-F1位列排行榜第三名。

本文提出了UniME-R1，一种用于统一多模态检索的嵌入器-顾问框架，该框架基于检索反馈生成检索中心思维链（RC-CoT），通过从硬负样本中学习来提升检索性能。