Reranking
Reordenación de documentos recuperados según su relevancia para una consulta, normalmente después de una búsqueda inicial más rápida.
Explicado fácil
Un buscador puede encontrar muchos fragmentos que parecen relacionados. Un reranker vuelve a compararlos con la pregunta y mueve arriba los que parecen más útiles antes de enviarlos al modelo.
Una analogía
Es como una primera selección de libros por título y una segunda revisión de sus páginas para decidir cuáles responden realmente a la pregunta.
Un ejemplo
En RAG, una búsqueda vectorial recupera veinte fragmentos candidatos. Un reranker los puntúa usando tanto la consulta como el texto y selecciona los cinco más relevantes para el contexto final.
Cómo funciona (nivel técnico)
Una arquitectura común usa un recuperador eficiente para generar candidatos y un modelo de segunda etapa para puntuar pares consulta-documento. Un modelo de interacción cruzada puede ser más preciso que comparar embeddings por separado, pero suele ser más costoso por candidato. El sistema equilibra calidad, latencia y número de resultados.
Errores comunes
- Confundir reranking con la recuperación inicial: el reranker normalmente solo ordena candidatos ya encontrados.
- Dar por hecho que mejora cualquier RAG; depende de la calidad de candidatos y de las consultas.
- Ignorar su coste y latencia al aplicarlo a demasiados fragmentos.