Первая стадия поиска заточена под полноту: быстро собрать нужные документы в шорт-лист. В правильном ли они порядке — другой вопрос, а первые три позиции забирают большую часть кликов. Реранкинг читает запрос вместе с каждым из верхних кандидатов и переупорядочивает только верх списка — там, где порядок окупается.
Поиск по ключевым словам, векторный или гибридный формирует список кандидатов — после того, как отработало спасение пустой выдачи.
Реранкер читает запрос вместе с каждым из верхних кандидатов — от 1 до 100 — и оценивает, насколько документ на него отвечает.
Оценённые результаты переупорядочиваются; всё, что ниже, сохраняет порядок движка. Закрепления и правила разнообразия применяются после, так что последнее слово остаётся за мерчандайзингом.
bge-reranker-base — кросс-энкодер: быстрый, специализированный, выбор по умолчанию. llm использует небольшую инструктивную модель, которая умеет взвешивать менее строгие представления о релевантности ценой большей задержки. Включите реранкинг для всей коллекции в её правилах поиска или для отдельного запроса через rerank: true — а модель и глубину переопределяйте параметрами rerank_model и rerank_top_k.
Вторая модель на пути запроса — это второе место, где что-то может сломаться. Если реранкер не уложился во время, вернул ошибку или кошелёк кредитов пуст, ответ содержит порядок движка и прямо об этом говорит: объект rerank сообщает applied: false с причиной — timeout, error, credits, too_few_hits или no_query — рядом с моделью, числом оценённых результатов и затраченными миллисекундами.
Результаты, которые оценил реранкер, несут rerank_score, так что оценочный прогон может сравнить два порядка, а не верить переключателю на слово.
Оцениваются только верхние top_k результатов, поэтому задержка и AI-кредиты пропорциональны странице, а не индексу.
Включите его в правилах поиска для всех или отправляйте rerank: false, чтобы пропустить на критичном к задержке вызове — например, в автодополнении.
Каждый ответ сообщает, выполнялся ли реранкинг, какой моделью, по скольким результатам и сколько это заняло.
Golden-наборы оценивают nDCG и MRR с реранкером и без него; A/B-эксперименты подтверждают выигрыш на живом трафике.
Впервые встречаете термин? В глоссарии есть статья «Реранкинг» — объяснение с азов.
{
"q": "laptop for video editing under 100k",
"query_by": "name,description,embedding",
"rerank": true,
"rerank_model": "bge-reranker-base",
"rerank_top_k": 30
}
// -> "rerank": { "applied": true, "model": "bge-reranker-base", "scored": 30, "ms": 84 }
// hits[].rerank_scoreУзнать больше
Лучший способ оценить поисковую платформу — не читать ещё одну сравнительную таблицу.
И только после этого принимайте решение.