RAG 已经能召回正确文档，但它总排在十几名之外。你会怎样引入重排，并判断增加的延迟是否值得？
考察说明
考查重排器选型、候选规模及质量延迟权衡能力。
回答思路
- 先确认召回候选确实包含正确片段，并建立按查询类型标注相关性的重排评测集。
- 初始检索负责高召回，重排模型对有限候选做更细粒度相关性判断，再把前列结果送给生成模型。
- 候选过少会错过正确内容，过多会增加重排成本，应通过召回曲线和高分位延迟选择范围。
- 对简单精确查询可跳过重排，对歧义或语义查询启用更强重排，但条件必须可复现和监控。
- 是否值得要看最终证据命中、回答正确率和成功任务成本的增益，而不是只比较重排分数。