Reranking: Titjib Ir-Rilevanza
F'din il-paġna
Għanijiet
- Tifhem għaliex ir-reranking itejjeb ir-riżultati
- Timplimenta reranker bl-użu ta’ cross-encoder
- Tintegra r-reranking f’pipeline ta’ RAG
Il-Problema tal-Bi-Encoder
It-tfittxija kollha li bnejt sa issa tiddependi fuq bi-encoder: il-mistoqsija u d-dokumenti jiġu kkodifikati separatament, waħedhom, u mqabbla permezz ta’ prodott dot (dot product). Dan huwa dak li jagħmel it-tfittxija istantanja fuq miljuni ta’ biċċiet, peress li l-vetturi tal-korpus ġew ikkalkulati darba għal dejjem. Dan huwa wkoll dak li jagħmilha mhux preċiża, għax il-mudell qatt ma jara l-mistoqsija u d-dokument flimkien: irid jissintetizza kull test f’vettur mingħajr ma jkun jaf x’se jintalab minnu aktar tard.
Cross-encoder, imsejjaħ ukoll reranker, jieħu l-par (mistoqsija, dokument) bħala input u jipproduċi punteġġ ta’ rilevanza ferm aktar fin, għax jaqra ż-żewġ testi flimkien u jista’ jinduna li dokument jitkellem dwar is-suġġett iżda f’sens oppost. Dan il-gwadann għandu prezz: il-mudell irid jipproċessa kull dokument individwalment, li jipprojbixxi l-użu tiegħu fuq il-korpus sħiħ. Is-soluzzjoni hija li tużah fejn ikun kost-effettiv, fuq sett żgħir ta’ kandidati diġà magħżula minn qabel.
Għalhekk il-pipeline fuq żewġ stadji, fejn kull mudell jagħmel dak li jagħmel l-aħjar: dak mgħaġġel jiddejjaq il-qasam, u dak preċiż jagħmel l-għażla finali.
Query → Bi-encoder → Top 50 Candidates → Cross-encoder → Top 5 Results
Reranking ma’ Cohere
Cohere jesponi reranker ta’ prestazzjoni għolja permezz ta’ API, li jevita li tospita mudell. Il-funzjoni li ġejja tgħaqqad iż-żewġ passi: l-ewwel tirrikupra għoxrin kandidat permezz tas-similarità tal-vetturi, imbagħad titlob lil rerank-v3.5 biex iżomm ħamsa biss. Innota l-qasam index_original ippreservat fir-riżultat: ir-reranker jirritorna pożizzjonijiet relattivi għall-lista tal-kandidati, u se jkollok bżonn dan biex terġa’ tmur lura għad-dokument attwali fil-korpus tiegħek.
import cohere
from openai import OpenAI
co = cohere.Client(api_key="your-cohere-key")
openai_client = OpenAI()
def search_and_rerank(
question: str,
documents: list[str],
embeddings_corpus,
k_retrieval: int = 20,
k_final: int = 5
) -> list[dict]:
"""Semantic search + reranking."""
# Step 1: Fast retrieval (bi-encoder)
query_emb = openai_client.embeddings.create(
input=question,
model="text-embedding-3-large"
).data[0].embedding
import numpy as np
scores = embeddings_corpus @ np.array(query_emb)
top_indices = np.argsort(scores)[-k_retrieval:][::-1]
candidates = [documents[i] for i in top_indices]
# Step 2: Reranking (cross-encoder)
rerank_response = co.rerank(
query=question,
documents=candidates,
top_n=k_final,
model="rerank-v3.5"
)
return [
{
"text": candidates[r.index],
"rerank_score": r.relevance_score,
"original_index": int(top_indices[r.index])
}
for r in rerank_response.results
]
Reranking b’LLM
Jekk tippreferi li ma żżidx fornitur ieħor mal-arkitettura tiegħek—minħabba raġunijiet kuntrattwali, lokalizzazzjoni tad-data, jew sempliċiment il-fatturar—LLM li diġà ssejjaħ jista’ jwettaq dan ir-rwol. Tibgħat il-mistoqsija u dokument, titlob punteġġ minn 0 sa 10, u tissortja. It-temperatura mwaqqfa fuq żero u max_tokens imnaqqsa għal ħamsa jiżguraw output deterministiku u rħis; il-try/except jittratta każijiet fejn il-mudell iwieġeb b’xi ħaġa ħlief numru.
from openai import OpenAI
client = OpenAI()
def llm_reranker(
question: str,
candidates: list[str],
k: int = 5
) -> list[dict]:
"""Uses an LLM to score relevance."""
scores = []
for i, doc in enumerate(candidates):
response = client.chat.completions.create(
model="gpt-5.6-terra",
messages=[{
"role": "user",
"content": (
f"On a scale of 0 to 10, how relevant is this document "
f"for answering the question?\n\n"
f"Question: {question}\n\n"
f"Document: {doc}\n\n"
f"Respond only with a number between 0 and 10."
)
}],
temperature=0,
max_tokens=5
)
try:
score = float(response.choices[0].message.content.strip())
except ValueError:
score = 0.0
scores.append({"index": i, "text": doc, "score": score})
scores.sort(key=lambda x: x["score"], reverse=True)
return scores[:k]
Din il-verżjoni tispiċċa sejħa waħda għal kull kandidat, jiġifieri għoxrin sejħa u daqshekk latenza kumulattiva għal mistoqsija waħda tal-utent. Fil-prattika, dan huwa projbittiv f’interfaċċa interattiva. Minflok, nitolbu lill-mudell jikklassifika d-dokumenti kollha f’daqqa, jippreżenta kull kandidat maqtugħ għal 200 karattru u nnumerat, u nistennew biss lista ta’ indiċi lura.
def llm_batch_reranker(
question: str,
candidates: list[str],
k: int = 5
) -> list[int]:
"""Reranking in a single LLM call."""
formatted_docs = "\n".join(
f"[{i}] {doc[:200]}" for i, doc in enumerate(candidates)
)
response = client.chat.completions.create(
model="gpt-5.6-terra",
messages=[{
"role": "user",
"content": (
f"Rank these documents by relevance to the question. "
f"Return the indices of the {k} most relevant "
f"documents, separated by commas, from most to "
f"least relevant.\n\n"
f"Question: {question}\n\n"
f"Documents:\n{formatted_docs}\n\n"
f"Indices (e.g., 3,1,7,0,5):"
)
}],
temperature=0,
max_tokens=50
)
indices_str = response.choices[0].message.content.strip()
return [int(i.strip()) for i in indices_str.split(",")][:k]
Integrazzjoni fil-Pipeline ta’ RAG
F’pipeline sħiħa, ir-reranking joqgħod bejn l-irkupru u l-ġenerazzjoni mingħajr ma jbiddel xejn ieħor. Il-punt ewlieni fil-klassi hawn taħt huwa l-limitu (threshold) ta’ 0.3 fuq relevance_score: dan jippermetti li tirritorna inqas minn ħames kuntesti meta l-ebda kandidat ma jkun verament rilevanti, minflok ma tingħata ħsejjes (noise) lill-ġeneratur. Spiss dan il-filtru, aktar mir-reranking innifsu, jelimina tweġibiet alluċinati.
class RAGPipelineWithReranking:
def __init__(self):
self.client = OpenAI()
self.co = cohere.Client()
def respond(self, question: str, chunks, embeddings_corpus):
# 1. Broad retrieval
candidates = self.search(question, embeddings_corpus, k=20)
# 2. Reranking
candidate_docs = [chunks[i]["text"] for i in candidates]
reranked = self.co.rerank(
query=question,
documents=candidate_docs,
top_n=5,
model="rerank-v3.5"
)
# 3. Select the best
contexts = [
chunks[candidates[r.index]]
for r in reranked.results
if r.relevance_score > 0.3 # Relevance threshold
]
# 4. Generate the answer
return self.generate(question, contexts)
Impatt tar-Reranking
| Metrika | Mingħajr Reranking | Bir-Reranking | Gwadann |
|---|---|---|---|
| Recall@5 | 0.72 | 0.72 | = |
| Precision@5 | 0.58 | 0.78 | +34% |
| MRR | 0.65 | 0.82 | +26% |
Dawn iċ-ċifri jgħiduk eżattament x’jagħmel reranker. Ir-Recall ma tiċċaqlaqx, u dan huwa loġiku: il-kandidati huma l-istess, u l-cross-encoder ma jistax isalva dokument li l-bi-encoder ma ħarġx fid-dieher. Madankollu, il-preċiżjoni u l-MRR itejbu b’mod sinifikanti, għax id-dokument it-tajjeb jimxi mis-sitt post għall-ewwel. Korollarju prattiku: jekk ir-Recall tiegħek huwa fqir, ir-reranking mhux se jsalvak; trid l-ewwel twessa’ l-irkupru jew terġa’ taħdem il-qtugħ (chunking).
Punti Ewlenin
- Ir-reranking jerġa’ jikklassifika l-kandidati b’mudell aktar preċiż
- Pipeline tipika: bi-encoder (l-aqwa 20–50) → cross-encoder (l-aqwa 5)
- Cohere rerank-v3.5 hija soluzzjoni lest biex tuża
- LLM jista’ jservi bħala reranker jekk tippreferi tevita dipendenza
- Il-gwadann fil-preċiżjoni huwa sinifikanti (tipikament 20–35%)