重排后排序策略
重排后排序策略
ranked = rerank(query, candidates, top_n=8)
# 方案一：高相关放最前
ordered = ranked
# 方案二：两端强相关、中间弱相关（示例按分数交错）
# first, last = ranked[0], ranked[1]
# ordered = [first] + ranked[2:] + [last] # 需结合模型实测选择缓解手段要与评测一起验证：排序策略的效果因模型与提示词模板而异。
本包目录（229 条）
架构与流程30 条解析与切分33 条Embedding 与检索50 条向量数据库49 条
重排与生成32 条
- Cross-Encoder 交叉编码重排
- RAG 生成提示词模板
- 忠实度约束与少幻觉写法
- 完整重排管线组装
- Lost in the Middle 与上下文排序
- BGE Reranker 使用要点
- 上下文组装与编号格式
- 多轮对话的查询改写
- Cohere Rerank API 用法
- 知识库无答案的兜底行为
- RAG 提示词注入防护
- 重排 top_n 与候选池调优
- 引用标注格式与用户展示
- 上下文 token 预算换算
- ColBERT 后期交互检索
- 上下文压缩与提取
- 生成参数与 RAG 输出稳定性
- 生成模型选择与 RAG 适配
- 多版本冲突与时效性处理
- 生成后校验清单
- 归因评估（Attribution）
- 长文档的 Map-Reduce 生成
- 答案格式与长度控制
- 片段锚点与原文定位
- 流式输出与引用展示
- 会话记忆与上下文预算
- 引用可核查性与抽查机制
- 上下文去重与修剪
- 提示词缓存与生成成本优化
- 无重排模型的替代方案
- 置信度信号与降级策略
- 追问建议与澄清提问
Lost in the Middle 与上下文排序
长上下文模型对开头与结尾的信息更敏感，中间位置容易被忽略：把高相关片段放在首尾、或减少条数并用明确编号，可缓解「检索到了但没被用上」。
易错点
- 把相关片段全塞中间位置，模型回答引用仍停留在开头片段
- 条数减少但未验证答案完整性，出现漏答
数据来源与参考
- Liu et al., Lost in the Middle: How Language Models Use Long Contexts (arXiv:2307.03172)