リランキング

リランキング（Reranking）とは、RAGパイプラインにおいて最初の検索ステップ（semantic-searchやhybrid-search）で取得した候補文書群を、より精度の高いモデル（クロスエンコーダー）で再評価・再順位付けする2段階検索の手法です。「粗い検索で多くの候補を取得→精密なモデルで上位を絞り込む」という設計です。

リランキングが重要な理由は、bi-encoderによる初期ベクトル検索は高速ですが精度に限界があり、LLMに渡す文書の質がRAGシステム全体の回答品質を左右するためです。クロスエンコーダーはクエリと文書を同時に入力して精密な関連度スコアを計算できる反面、全候補との総当たり計算は低速なため、2段階に分けることで速度と精度を両立します。

代表的なリランキングモデルとして、Cohere Rerank、BGE-Reranker（オープンソース）、cross-encoder/ms-marco（Hugging Face）などがあります。LLMそのものをリランカーとして使う「LLM Reranker」も登場しており、「以下の文書のうち質問に最も関連するものをランク付けしてください」というプロンプトで機能します。RAGの評価指標としてはMRR（Mean Reciprocal Rank）やNDCGが使われ、リランキングの効果測定に活用されます。