概念Reranker / 重排序
重排序模型
在检索召回阶段之后对候选结果进行二次排序的模型，通常基于更精细的语义匹配提升排序质量
时间轴 (近 90 天)
10月30日
组合策略常见做法是先用专用解析器完成版面切分与常规文本抽取，再把表格密集或结构复杂的页面交给大模型做二次精修
待验证50%
10月19日
重排序模型将查询和文档放在一起评分，能捕捉更细粒度的相关性信号，但必须在查询时实时跑推理，延迟更高。
待验证50%
10月12日
Agent记忆检索通常采用混合策略：向量检索捕获语义相似性，元数据过滤缩小候选集，重排序模型根据任务上下文和偏好权重做最终排序。
待验证50%
9月23日
零样本/NLI分类器、嵌入模型、交叉编码器和重排序模型多年来一直支持在推理时定义标签、输出受限概率分布，与Jev宣称的核心特性高度重叠
待验证50%