リランカー(Reranker)

リランカーは、質問と各検索結果を一緒に読んで、検索結果の短いリストに再スコアを付けます。埋め込みだけより遅いですが、より正確です。

  • モデルとアーキテクチャ
  • 更新日

埋め込みによる検索は、文書を一度ベクトルにして距離で比較するため高速ですが、質問と文書が決して顔を合わせないため、微妙な一致を見逃すことがあります。リランカー(通常はクロスエンコーダ)は、質問と候補 1 件をまとめて読み、関連性スコアを出力します。定番の手順は 2 段階です。まず埋め込みモデルが上位 50 件か 100 件の候補を取り出し、次にリランカーがそれを並べ替えます。

リランカーはすべてのクエリに遅延を追加します。各候補に個別のモデル実行が必要だからです。候補リストは短く保ちましょう。ただし Jina Reranker v3.5 のようなリスト型リランカーは、リスト全体を 1 回で読みます。リランカーは埋め込みモデルとは別のモデルで、独自のライセンスを持つため、別途確認が必要です。たとえば BGE-M3 のモデルカードは、上位結果の再採点に BAAI の bge-reranker モデルを紹介しています。

関連用語

  • 埋め込みモデル(Embedding model) 埋め込みモデルはテキストや画像などのデータを、意味を表す数値の列に変換します。これにより、意味の近い項目どうしが近い位置に並びます。
  • 検索拡張生成(RAG) 検索拡張生成(RAG)は、関連する段落を検索してプロンプトに加えることで、モデルがあなた自身の文書に基づいて回答できるようにする仕組みです。
  • マトリョーシカ埋め込み(Matryoshka embeddings) マトリョーシカ埋め込みは、ベクトルの先頭部分だけでも単独で機能するように学習されているため、ベクトルを短く切って保存容量と検索時間を節約できます。

すべての用語