Reranking
Auch bekannt als: Reranker, Ergebnis-Neuordnung
Reranking sortiert die Suchergebnisse einer Vektor-Datenbank nach einer zweiten, genaueren Bewertung um. Die erste Suche ist schnell aber grob, der Reranker ist langsam aber präzise.
Bei einer RAG-Anfrage liefert die Vektor-Suche die Top-20 ähnlichsten Chunks. Ein Reranker bewertet diese 20 Treffer nochmal genauer und sortiert sie um. Die besten drei bis fünf werden an das Sprachmodell übergeben.
Warum der zusätzliche Schritt
Embedding-basierte Suche ist gut, aber nicht perfekt. Reranker nutzen aufwändigere Modelle, die die Frage und jeden Chunk einzeln vergleichen. Das ist zu langsam für Tausende Dokumente, aber schnell genug für 20 Vorab-Treffer.
In der Praxis
Reranking verbessert die Antwortqualität bei RAG-Systemen messbar. Es ist ein optionaler, aber hochwirksamer Schritt, der bei professionellen Implementierungen Standard ist.