为什么要引入重排模型？

重排是信息检索流程中的第二阶段，旨在对初步召回的候选文档进行细粒度排序，以提升结果与查询的相关性。其核心是通过语义理解模型对文档与查询的匹配度进行深度评估，超越传统关键词匹配或向量相似度的限制。由于我们用的embedding模型在语义理解上 存在一定的缺陷，因此召回的文本跟语义的匹配不是很完美，我们这里通过重排模型，对结果进行重新排序，则大模型会返回给我们更优质的结果。

开源地址
https://gitee.com/shop-sparker/spark-x

重排模型是怎么工作的呢？

以我本地的一个只是知识库为例子。我这知识库是对《遮天》的主角，叶凡的介绍

现在我提示问题：

叶凡在遮天中的成就

此时系统经过 embedding的召回处理，召回了如下的片段

这些语句是根据embeding 的搜索得来的相似度排名，其对这些语句与 叶凡在遮天中的成就 这个问题的语义理解其实并不完美，这时系统通过重排索引，对这些语句与 问题 叶凡在遮天中的成就 进行打分，得到如下的结果

我们可以看到，其实原始的语句排序并不好，第一条的相关性其实是低于后面的。因此我们根据分数的排名重新整理召回的 相关片段

我们按照得分，从高到低，依次把原召回片段重新排序后，再提交给 AI 大模型，这样我们的结果就会更加的精准。

可以在哪里使用重排模型呢？

1、在普通应用中，点击设置，关联知识库的参数

选择你可以使用的重排模型即可

2、在编排中，点击 知识检索 节点，选择重排模型即可