Rerank模型

RAG中embedding与rerank之间的区别？

Embedding 阶段是将查询和文档（或候选答案）映射到向量空间，并通过向量之间的相似度来进行文档检索，目的是从大量文档中快速找到相关的候选文档。

而 Re-ranking 阶段则是在初步检索到的候选文档中，使用更复杂的模型对文档进行深度排序，以提高结果的精确度。重排序器通过查询和文档的深度交互来进一步优化相关性排序，确保最相关的文档被排在前面。

追问：embedding模型存在的问题

• embedding模型只是将文本信息压缩为固定长度的向量，可能会导致语义信息丢失、理解多义词困难、长文本语义平均化等问题。

• 因为在用户提出问题之前就已经为文档创建了嵌入，无法理解用户问题的上下文信息。

• embedding模型计算整个查询和文档之间的相似度，难以捕捉捕捉词级、句级或精确语义关系。

追问：embedding与rerank的模型架构的区别？

embedding模型通常使用bi-encoder的架构 ，负责快速将查询和文档转化为向量表示并进行相似度检索。查询和文档是独立编码的，可以在检索时使用预先计算好的向量进行快速匹配，这使得它可以高效处理大规模文档库的检索任务，但由于缺乏查询和文档的交互，精度可能较低。 re-ranking模型通常使用cross-encoder的架构，它将查询和文档拼接在一起并共同输入同一个模型，查询和候选文档 拼接（例如通过 "[QUERY] [SEP] [DOCUMENT]" 的格式）一起输入到同一个模型中，模型通过 自注意力机制（self-attention） 计算查询和文档之间的交互关系，输出一个联合表示，通过计算这个联合表示的相关性分数，对候选文档进行排序。由于查询和文档之间有了深度的交互，模型能够更好地捕捉两者之间的细节关系，因此精度通常比bi-encoder更高，适合于重排序阶段以精细化检索结果。但又由于每次都需要重新计算查询和文档的交互，它的计算效率相对较低，特别是在面对大量文档时。 总结：在大规模文档检索时，bi-encoder 更为高效，而在需要更高精度的排序时，cross-encoder 具有优势。

追问：了解哪些rerank模型

• cohere-reranker-v3.5：Cohere Reranker v3.5 是由人工智能公司 Cohere 推出的一款先进的重排序模型，旨在提高搜索和检索增强生成（RAG）系统中呈现信息的相关性。拥有多语言能力、长上下文理解、更强的推理能力，这是一个闭源模型，暂不了解更多的技术细节。

• BGE-M3：由北京智源研究院（BAAI）开发，基于交叉编码器（Cross-Encoder）架构，使用预训练的Transformer模型（ XLM-RoBERTa）对用户查询和文档进行联合编码，直接输出二者的相关性分数。该模型支持多语言、多种检索方式。主要技术特点有：

  • 混合检索：统一了密集检索、词汇（稀疏）检索和多向量检索。

  • 自蒸馏：集成不同检索功能的教师信号，显著提升模型鲁棒性

  • 高效批处理：保障训练时batch-size足够大，充分学习文本之间的差异。

• mGTE：阿里巴巴通义实验室推出的GTE-Multilingual系列模型，具备高性能、长文档支持、多语言处理及弹性向量表示等特性，显著提升了RAG系统的检索与排序效果。mGTE构建了两阶段RAG的训练流程：

  • 首先利用RoPE和unpadding方法训练的编码器，该编码器经过两阶段MLM预训练得到

  • 基于编码器训练用于检索的混合文本表示模型（TRM）用作第一阶段粗排，和rerank模型用作第二阶段精排。

Rerank的作用

• 提升检索结果相关性：RAG粗排返回的文档质量和相关性可能较差，rerank采用更精细的语义匹配模型，过滤掉与用户问题相关性较低的文档，以及噪声和不相关的信息。

• 复杂语义理解：rerank能帮助大模型更好地理解和利用检索到的信息，强化相关文档的影响，从而提升生成结果的相关性和准确性。

• 降低生成模型负担：RAG检索到的文档数量较多，通过Rerank能较少输入文档数量，缩短上下文长度。

为什么Rerank精度更高？

• reranker不进行预计算，而是将用户查询和一个文档一起输入到transformer中，能更好的捕捉两者之间语义和上下文信息。

• embedding模型将用户查询和文档压缩到低维向量中，可能丢失细粒度语义。

总结下ReRank模型的一些技术特点

• 使用Cross-Encoder，将用户查询和文档拼接起来，交给Transformer编码器，能更好的建模两者之间的语义关系。

• 一般都采用多阶段训练的方式，逐步扩充上下文长度。

• 损失函数大多采用InfoNCE损失，并在对比学习中加入难负样本，增强模型的鲁棒性。

• 为了加速训练和节省显存，可能采用deepspeed、混合精度训练、激活检查点、动态批次划分等技术。

• 在性能上，使用了Rerank模型后的精度往往更高

怎么评价RAG

准确率/召回率评评估

• MRR（Mean Reciprocal Rank，平均倒数排名）：关注第一个相关结果出现的位置，反映用户是否能很快找到答案 。MRR是所有查询 Reciprocal Rank 的平均值，其中每个查询的 Reciprocal Rank = 1/(相关结果的排名)。如果相关结果总是排在第一，MRR=1；如果相关结果平均排在第三位，MRR≈0.33。MRR适合评估问答场景下第一个正确答案的易得性。

• NDCG（Normalized Discounted Cumulative Gain，归一化折损累计增益）：考察整个排名列表的质量，包括多个相关结果的贡献 。它考虑结果的相关性等级和排名次序，通过折损因子（如1/log2(rank+1)）给排名靠后的相关结果降低权重。NDCG进行归一化以便不同查询间可比，值在0到1之间，1表示理想排序。NDCG@K通常用于评估Top K结果的综合相关性排序。

• Precision@K（P@K，前K精度）：衡量在返回的前K个结果中，有多少比例是相关的。例如Precision@5 = 前5个结果中相关结果数量/5。它直接反映用户看前K条结果能找到多少正确答案，不考虑顺序（非rank-aware指标）。常和Recall@K（在所有相关文档中前K找到多少）一起使用。

• Recall@K（召回率）：相关文档中有多大比例在前K结果里。由于问答系统往往每问只需一两个相关片段即可回答，有时Precision和MRR更受关注，但在多文档综合场景下Recall也重要。

可信度评估

衡量生成的答案在多大程度上有文档支持，以及答案内容和检索到的文档是否一致、可靠。具体包括：

• 答案与支持文档匹配度：验证生成答案中的关键信息是否能在检索文档中找到。可以计算答案和支持文档之间的相似度或重合率，例如关键词重叠度。

• 文档覆盖率：检查检索到的文档是否覆盖了回答所需的所有要点。如果答案涉及多个要点，评估这些要点是否均能在提供的文档集合中找到依据。

响应速度评估

评估RAG系统处理查询的速度，包括：

• 平均响应时间：系统处理单个查询的平均用时。

• P95/P99 延迟：95%和99%的请求在多少时间内完成（尾部延迟），用于评估最慢响应的情况。

• 整体响应分布：可以绘制响应时间分布图（如直方图）来了解大部分查询的延迟范围。

可扩展性评估

测试RAG系统在不同数据规模和负载下的性能表现，包括：

• 数据规模扩展：增大知识库或文档集规模，观察检索和生成性能的变化（如响应时间是否随数据量线性增长，检索准确率是否保持稳定）。

• 吞吐量：衡量系统每秒可处理的查询数（QPS），以及在高并发情况下的性能表现。

用户体验评估

系统给用户带来的主观感受和易用性，包括：

• 人工满意度评价：通过人工评估或用户反馈来打分，衡量用户对答案的满意度。例如收集用户评分（1-5分）或对答案是否解决问题的二元反馈，以计算平均满意度分或满意率。

• 答案可读性：评价生成答案表述的清晰易懂程度。可以使用可读性评分（如基于句子长度和词汇复杂度的指标）来定量分析答案文本的可读性，确保答案语言简洁明了，便于用户理解。