Re-ranker(リランカー)Re-ranker

Re-ranker(リランカー、再順位付けモデル)は、検索パイプラインの2段階構成における後段で動く高精度モデルで、初段の高速検索(BM25、ベクトル類似度、ハイブリッド)が返した上位 N 件(典型 50-200件)に対して、質問と各候補文書のペアを直接スコアリングし関連度順に並び替えるコンポーネントです。アーキテクチャ的には、(1) クロスエンコーダ(質問と文書を連結して BERT 系モデルに入力し relevance スコアを回帰)、(2) LLM-as-a-judge(GPT-4・Claude 等にプロンプトで点数を付けさせる)、(3) ColBERT のレイトインタラクション、などのバリエーションがあります。クロスエンコーダは Bi-encoder(ベクトル検索)と異なり質問と文書を相互作用させて評価するため精度が大幅に高い反面、ペアごとに推論する必要があり計算コストが線形にかかります。そのため初段で粗く絞ってからリランクする2段階アーキテクチャが標準です。商用 API では Cohere Rerank(rerank-3.5・rerank-multilingual)、Voyage AI(rerank-2)、Jina AI(jina-reranker-v2)、Mixedbread が代表的で、OSS では BGE Reranker(BAAI、bge-reranker-v2-m3 など多言語対応)、ms-marco MiniLM、Jina Reranker、Stella Reranker が広く使われます。RAG の回答品質を10-30%改善することが実証されており、現代の RAG パイプラインでは事実上必須コンポーネントです。