技术与工程已解决
重排模型有哪些？怎么选？
从 Cross-Encoder 到 late-interaction，重排模型的原理差异与选型实测。
问题正文
两大技术路线
Cross-Encoder：查询与文档拼在一起过模型，精度最高但每对都要完整计算，延迟随候选数线性增长。late-interaction（ColBERT 类）：文档提前编码，查询时做细粒度交互，速度与精度兼顾但存储大。
常用模型
BGE-reranker 系列是中文生态主力，Cohere Rerank 商用 API 便利，还有 Jina Reranker 与开源轻量模型。中文场景 BGE-reranker 起步最稳。
接入位置
向量召回 Top 50，重排后取 Top 5 进生成。重排只处理几十条候选，延迟增加可控（几十到几百毫秒）。