论文实测：决策模型微调后重排序仍不及专用 Reranker

帕绍大学等机构在 arXiv 发表论文，对“用决策模型做 RAG 重排序”与专用 reranker 进行受控实测。结果显示，在 0.6B 至 9B 参数规模上，经过微调的 reranker 在 RAG 重排序任务中全面胜出输出校准概率的决策模型，领先幅度为 5 至 29 分。报道同时提到，即便对决策模型做截断处理后，部分决策模型成绩具备一定竞争力，但其在推理速度与显存占用上仍与专用 reranker 存在明显差距。目前该结论来自论文实测，尚未见其他机构的独立复现报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。