一句话定义
重排序（Reranking）是在检索系统先用便宜快速的方法捞出一批候选文档，再用更贵、更准的模型对这一小批文档重新打分排序的步骤。它不负责"找得到"，只负责"排得准"。
为什么要分两步
在检索增强生成（RAG）里，最怕的不是检索不到，而是检索到了却排得太靠后。大语言模型（LLM）能读的上下文有限，把上百条结果全塞进去，既费钱又容易被噪声带偏，所以必须把真正相关的那几条顶到最前面。
问题在于，第一阶段用的方法快是快，但粗。常见做法是把问题和文档分别编码成向量，再算余弦相似度。这类双塔（Bi-encoder）结构意味着问题和文档在打分之前从未"见过面"，只能比整体语义是否接近，细粒度的词语对应关系对不上。于是就有了第二阶段：交叉编码器（Cross-encoder）——把问题和文档拼在一起送进模型，让它们做充分的内部交互，直接输出一个相关性分数。
打个比方
像招聘。HR 先按关键词从一万份简历里筛出五十份，速度快，但"做过推荐系统"和"负责推荐系统相关模块"的人可能被漏掉。接着用人经理把这五十份逐份精读，判断谁真的合适——准，但一天只能看五十份，不可能对一万份都这么干。
重排序就是这个"用人经理"。它的贵和慢，恰恰是它准的原因：每一对"问题 + 文档"都要单独跑一次模型，无法提前算好缓存起来。所以业界的通用做法是让第一级召回放宽标准、多捞一些（几十到上百条），再让重排序把它压到三五条交给模型生成答案。
和相邻概念的区别
| 维度 | 粗召回（Retrieval / Recall） | 重排序（Reranking） |
|---|---|---|
| 模型结构 | 双塔、稀疏检索等 | 交叉编码器 |
| 打分方式 | 问题与文档各自编码后算相似度 | 拼在一起整体打分 |
| 速度 | 快，向量可预计算 | 慢，必须在线计算 |
| 处理量级 | 百万级 → 几十上百条 | 几十上百条 → 前几条 |
| 优化目标 | 别漏（高召回） | 排准（高精度） |
一句话概括：召回追求"宁可错杀，不可放过"，重排序负责"把对的挑出来、按对的程度排好"。
对实际工作的意义
对做 RAG 的工程师来说，一个反复出现的教训是：问答答不准，很多时候不是向量模型不够好，而是整个链路里少了重排序这一环。加上它之后，改善往往比换一个更大的嵌入模型更明显。需要权衡的是延迟和成本——重排的条数越多越准，但每次查询都要多跑几十次模型推理，这个数字是典型的调参点。也可以做级联：先用小模型从一百条筛到二十条，再用更重的模型精排到前五。
对普通职场人来说，这件事的启发更朴素：搜索、问答机器人、推荐流，背后都是同一套"多级漏斗"逻辑。你觉得某个助手"答非所问"，未必是它不懂，而是最该看的那份材料压根没被排进它视野里的前几名。找得到和找得准，从来是两件事。