Skip to content
所有標籤

#reranking

4 篇文章
ai guide RAG 技法大全

RAG 系統模式完整指南：從 Naive 到 Multi-Agent 的十代演化與實戰導航

RAG 已經從簡單的「搜尋+生成」演化成涵蓋十個世代的技術體系，2025 年後更進入 Agentic/Reasoning RAG 新階段。本文是系統化導航：從 Naive RAG 到 Multi-Agent/LongRAG 的十代演化、後十代 Agentic Era（Search-R1/RL 搜索、MCP 協議、GraphRAG 3.x、視覺直嵌）、檢索策略、Chunking、Embedding、Reranking、評估框架、可觀測性、成本優化。每個主題都有對應專文深入。

#rag#guide#retrieval#embedding#reranking#evaluation#agent
ai guide RAG 技法大全

ColBERT：向量搜尋的第三條路

Bi-Encoder 太粗糙，Cross-Encoder 太慢，ColBERT 的 Late Interaction 在兩者之間找到平衡：token 級別的相互比較，但可以預先計算文件向量。

#rag#colbert#late-interaction#retrieval#reranking#colpali#visual-rag
ai guide RAG 技法大全

Cross-Encoder Reranking：讓最相關的文件排到前面

向量搜尋的相似度分數不等於相關性，Cross-Encoder 用成對比較重新排序，把真正相關的文件推上來。

#rag#reranking#cross-encoder#bge-reranker#retrieval
ai guide RAG 技法大全

MMR + 熱門度加權：讓推薦結果既相關又多樣

只看相關性會讓結果都是同一條路線的不同描述，MMR 在相關性和多樣性之間取平衡，再疊加熱門度讓結果更實用。

#rag#mmr#diversity#reranking#popularity#recommendation