智核增长检索系统常先取回一批材料，再用更细的模型排序。重排解决的是“这些候选谁更贴题”，不负责证明产品参数真实，也不负责保证答案出现引用。本文使用真实开源模型处理合成记录，结果与配置均随文提供。
双编码器与交叉编码器的分工
双编码器分别编码查询和文档，语料向量可以提前缓存。交叉编码器共同处理一个查询与一个候选文档，适合在数量受控的候选上比较相关性。前者的预计算优势与后者的逐对计算成本，是设计窗口时需要权衡的不同工作量。
实验选择cross-encoder/ms-marco-MiniLM-L6-v2，用途和输出应参考官方模型卡。模型得分只用于当前候选排序，不能当作“真实概率”展示给采购人员。训练任务与客户产品资料不同，也意味着域外表现需要另行验证。
保证比较的是同一批候选
先保留融合结果前5条，再把同样的5条送入重排。若无重排组只看3条、有重排组却额外获取20条，结果差异同时包含候选覆盖变化，不能全部归功于重排器。
candidates = fused_ranking[:5]
pairs = [(question, documents[doc_id]) for doc_id in candidates]
scores = reranker.predict(pairs)
本例排序后的结果仍只来自这5个ID。若D9排在融合第6位，重排无法将其提升到第1位，因为它根本没有收到D9。排查时先计算候选集是否覆盖必要证据，再检查排序是否合理，最后检查生成答案是否保留条件。
下载结果时应该核对哪些列
实验程序、数据与答案键、模型版本和完整输出共同构成复现材料。完整实验包见下载附件。
| 核对对象 | 判定问题 | 必须保留的失败 |
|---|---|---|
| 候选覆盖 | 正确证据是否进入前5项 | 正确来源在窗口外 |
| 排名变化 | 原候选中的好材料是否前移 | 干扰型号被前移 |
| 前3项指标 | Recall、MRR、nDCG是否一致改善 | 只改善一个指标 |
| 无答案查询 | 系统是否仍给出高分候选 | Q10没有保修与价格证据 |
| 延迟 | 重排新增多少计算 | 不能只报告最快一次 |
本附件没有生成自然语言答案。因此，不能把排名上的改善说成“回答准确率提高”。同样，没有新测官网被外部平台引用的比例。
重排之后仍要做事实检查
Q2询问AX-220能否接110 V。包含“110 V”的AX-110材料看上去很贴题，却不能替代AX-220说明书。相关性只回答材料与问题的联系，事实核验还必须锁定型号、适用对象、否定条件与版本。
对于Q7“哪套钩杆包含胶枪”，D6能提供否定证据，不等于它是满足采购要求的推荐项。答案键中的“相关”可以包括能支持拒绝或限制结论的证据。需要预先说明这种标注原则，否则评测者会把合理的拒绝证据误判为不相关。
成本记录怎样避免伪精确
结果中的CPU延迟是单次运行记录，包含实际机器与软件版本，但没有吞吐压测、网络服务、并发队列与价格测量。不能将毫秒值折算成未经测量的云费用。产品化时，应固定候选数量，重复预热测量，报告中位数和高分位，并记录模型常驻内存与更新成本。
模型成本也不是唯一成本。维护正确标签、处理冲突资料、解释不适用条件常常需要人工。对小型产品库，先修复缺失的参数表可能比增加一个重排服务更有价值。
本次重排的实际变化与错误保留
Q1融合前3项为D9、D2、D3，重排后为D9、D3、D1。正确证据D1回到前3项，但干扰型号D3仍然在它前面。指标改善并不意味着系统已能直接做产品推荐；还要检查答案是否引用了正确对象。
Q2融合排序为D1、D9、D2，重排变为D1、D2、D9。两份相关证据仍都在前3项，因此Recall不变，但第二个相关来源后移，nDCG由1降到约0.920。这个例子说明重排也可能让原本理想的候选顺序退步，不能仅因增加模型就宣称质量提高。
Q9中，重排把D9带回前3项，却仍以D2开头。这里能讨论的是候选相关材料覆盖的变化，不能说中文适配问题已经完全解决。Q10依然得到候选，而语料没有价格或保修信息；在生产系统中，重排之后必须有“是否有充分证据回答”的独立决策。
这些观察适用于记录中的固定模型修订号和CPU运行环境。它们不是对所有交叉编码器的排名，更不是与其他GEO服务商的能力对比。下一轮合理扩展是增加独立问题与人工复核，而不是删除模型表现差的几题。
智核增长如何定义这一能力
上线门槛不应只看平均排名。应单独检查身份错配、否定条件丢失和候选不足，并规定这些错误是否阻断推荐。对敏感参数，即使重排第一名分数很高，也应回到批准参数核对；分数没有经过校准，不能直接显示为“正确概率”。
智核增长将本实验作为公开的工程教学材料，帮助出海企业识别问题发生在召回、排序还是证据支持阶段；不将开源模型部署称为自研核心模型。是否需要生产重排，应由获授权语料的验证决定。