Cross encoder reranker 集成

使用开源跨编码器模型对检索到的文档进行重新排序。

一个跨编码器直接对每个(query, document)对进行评分，而不是比较独立的嵌入，这会产生更准确的排序，但每个文档会多一次推理。在向量搜索之上应用重新排序器（通过嵌入检索前20个，重新排序到前5个）是 RAG 管道中最高影响力的质量改进之一，当你使用 Hugging Face 的小型跨编码器时，它可以在本地 CPU 上免费运行。

本指南展示了如何将HuggingFaceCrossEncoder与 LangChain 的CrossEncoderReranker和ContextualCompressionRetriever结合使用。该模式适用于 Hugging Face 上的任何跨编码器模型，包括BAAI/bge-reranker-*、mixedbread-ai/mxbai-rerank-*、Alibaba-NLP/gte-multilingual-reranker-*、Qwen/Qwen3-Reranker-*，以及经典的cross-encoder/ms-marco-*系列。

设置

pip install -qU langchain-huggingface langchain-community langchain-classic faiss-cpu

构建基础检索器

从标准的向量存储检索器开始。检索一个相对较大的k；重新排序器会将其缩小。

langchain-community包已不再维护。从langchain_community导入的示例可能过时或无法使用。请谨慎使用。

from langchain_community.document_loaders import TextLoader
from langchain_community.vectorstores import FAISS
from langchain_huggingface import HuggingFaceEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter

documents = TextLoader("../../how_to/state_of_the_union.txt").load()
text_splitter = RecursiveCharacterTextSplitter(chunk_size=500, chunk_overlap=100)
texts = text_splitter.split_documents(documents)

embeddings = HuggingFaceEmbeddings(
    model_name="BAAI/bge-m3",
    encode_kwargs={"normalize_embeddings": True},
)
retriever = FAISS.from_documents(texts, embeddings).as_retriever(
    search_kwargs={"k": 20}
)

使用跨编码器重新排序

CrossEncoderReranker封装了任何跨编码器，并可以插入ContextualCompressionRetriever。

from langchain_classic.retrievers.contextual_compression import ContextualCompressionRetriever
from langchain_classic.retrievers.document_compressors import CrossEncoderReranker
from langchain_community.cross_encoders import HuggingFaceCrossEncoder

cross_encoder = HuggingFaceCrossEncoder(model_name="BAAI/bge-reranker-v2-m3")
reranker = CrossEncoderReranker(model=cross_encoder, top_n=3)

compression_retriever = ContextualCompressionRetriever(
    base_compressor=reranker,
    base_retriever=retriever,
)

compressed_docs = compression_retriever.invoke("What is the plan for the economy?")
for i, doc in enumerate(compressed_docs, 1):
    print(f"Document {i}:\n{doc.page_content}\n")

选择跨编码器

模型	大小	备注
cross-encoder/ms-marco-MiniLM-L6-v2	22M	最快；仅英语，2022年基准
BAAI/bge-reranker-v2-m3	568M	多语言，大多数工作负载的默认强力选择
mixedbread-ai/mxbai-rerank-large-v2	1.5B	英语顶级质量，推荐使用 GPU
Alibaba-NLP/gte-multilingual-reranker-base	306M	多语言，8192-token 上下文
Qwen/Qwen3-Reranker-0.6B	595M	指令感知，多语言

HuggingFaceCrossEncoder自动选择最佳可用设备（CUDA > MPS > CPU）。要固定到特定设备，请传递model_kwargs={"device": "cpu"}或类似选项。

部署到 SageMaker

你也可以在 SageMaker 端点上托管跨编码器，并使用SagemakerEndpointCrossEncoder。这里是一个示例inference.py，它动态加载模型（无需model.tar.gz工件）。有关分步指导，请参阅此演练。

import json
import logging
from typing import List

import torch
from sagemaker_inference import encoder
from transformers import AutoModelForSequenceClassification, AutoTokenizer

PAIRS = "pairs"
SCORES = "scores"


class CrossEncoder:
    def __init__(self) -> None:
        self.device = (
            torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")
        )
        logging.info(f"Using device: {self.device}")
        model_name = "BAAI/bge-reranker-v2-m3"
        self.tokenizer = AutoTokenizer.from_pretrained(model_name)
        self.model = AutoModelForSequenceClassification.from_pretrained(model_name)
        self.model = self.model.to(self.device)

    def __call__(self, pairs: List[List[str]]) -> List[float]:
        with torch.inference_mode():
            inputs = self.tokenizer(
                pairs,
                padding=True,
                truncation=True,
                return_tensors="pt",
                max_length=512,
            )
            inputs = inputs.to(self.device)
            scores = (
                self.model(**inputs, return_dict=True)
                .logits.view(
                    -1,
                )
                .float()
            )

        return scores.detach().cpu().tolist()


def model_fn(model_dir: str) -> CrossEncoder:
    try:
        return CrossEncoder()
    except Exception:
        logging.exception(f"Failed to load model from: {model_dir}")
        raise


def transform_fn(
    cross_encoder: CrossEncoder, input_data: bytes, content_type: str, accept: str
) -> bytes:
    payload = json.loads(input_data)
    model_output = cross_encoder(**payload)
    output = {SCORES: model_output}
    return encoder.encode(output, accept)

---

官方原文：src/oss/python/integrations/document_transformers/cross_encoder_reranker.mdx · 非官方翻译，译文由 AI 生成，以英文原文为准。