什么是段落重排序（Passage Re-ranking）？
段落重排序（Passage Re-ranking）是检索增强流程中的第二阶段排序步骤：先由召回模型取回一批候选段落，再用更强的模型对候选逐一打分并重新排列顺序。arXiv 论文《Passage Re-ranking with BERT》描述了用 BERT 做基于查询的段落重排序的一种实现，并报告其在 TREC-CAR 与 MS MARCO 段落检索任务上的结果。
段落重排序（Passage Re-ranking）指在检索流程中，对已经由前一级检索器召回的一批候选段落，用另一个（通常计算代价更高、表达能力更强的）模型重新评估每个段落与查询的相关程度，并据此重新排列候选顺序的做法。它要解决的问题是：单靠快速召回得到的排序往往不够精确，而把最精确的模型直接用在全部文档上又太慢，于是把「找得全」和「排得准」拆成两个阶段来完成。
为什么重要
在大规模文本集合上做检索，通常面临一个两难。若直接用复杂模型给集合里的每一段打分，代价随集合规模线性增长，实际不可行；若只用倒排索引、词频统计一类轻量方法，虽然能在毫秒级返回结果，但排序质量受限于匹配信号的表达能力，语义相近但用词不同的段落容易被漏掉或排到后面。
两阶段检索正是为缓解这一矛盾而出现的：第一阶段（召回）追求速度与覆盖率，从海量集合中取回一个规模可控的候选集；第二阶段（重排序）只在这个小得多的候选集上工作，因此可以承担昂贵得多的计算。段落重排序就是第二阶段的具体形态之一。它的价值在于，排序质量直接决定了后续环节能拿到什么材料——在检索增强（retrieval-augmented）的问答、开放域问答等场景中，最终答案往往由排在最前面的若干段落决定，因此把真正相关的段落推到前列，比单纯扩大候选集更有效。
工作机制
段落重排序的核心思路可以拆成几个要点。
- 输入是「查询 + 单个段落」的配对。 与召回阶段把查询和段落分别编码、再比较向量不同，重排序模型通常把查询与候选段落放在一起送入模型，让模型直接建模两者之间的交互关系。这种交互式打分比独立编码更贵，但也更能捕捉细粒度的相关性。
- 候选集来自上一级检索器。 重排序本身不负责从全库中找段落，它只处理已经召回的那一批。因此它的效果上限受召回率约束：如果正确段落根本没被召回，重排序无从补救。
- 打分后按分数重新排列。 模型为每个候选段落输出一个相关性分数，系统据此对候选重新排序，取前若干条交给下游使用。评价这类系统时常用的指标包括 MRR@10 等排序质量指标。
- 代价换质量。 因为要对每个候选段落单独跑一次模型前向计算，重排序的延迟与候选数量成正比，这也是候选集规模需要权衡的原因。
arXiv 论文《Passage Re-ranking with BERT》给出的做法属于上述框架的一种具体实现。该论文摘要称，其系统是对 BERT 用于基于查询的段落重排序的一次「简单重新实现」（simple re-implementation）。论文报告称，该系统在 TREC-CAR 数据集上达到当时的最佳水平，并在 MS MARCO 段落检索任务的排行榜上位列第一，在 MRR@10 上相对此前最佳结果提升了 27%（相对值）。这些结果出自该论文自身的报告，属于作者在其设定与数据集上的结论。
典型例子
该论文摘要中提到的具体对象包括：
- TREC-CAR 数据集：论文称其系统在该数据集上达到当时的最佳水平（state of the art）。
- MS MARCO 段落检索任务：论文称其系统是该任务排行榜上的第一名，并在 MRR@10 指标上相对此前最佳结果提升 27%。
- BERT：论文将其作为重排序所用的预训练神经模型。摘要同时把 ELMo、OpenAI GPT 与 BERT 并列为当时在问答、自然语言推理等任务上取得显著效果的预训练模型。
- 可复现代码：论文摘要说明，用于复现其结果的代码已公开提供。
需要说明的是，上述数字与排名均来自该论文摘要的陈述，反映的是论文提交与修订时所处的评测状态，并不代表此后各数据集或排行榜上的持续排名。
边界与常见误解
第一，段落重排序不是检索的全部。它依赖上游召回提供候选，因此不能替代召回阶段；把重排序当作「从全库直接找答案」的手段，会立刻遇到计算量问题。
第二，重排序模型的效果高度依赖训练数据与领域。论文报告的结果是在 TREC-CAR 与 MS MARCO 这类特定数据集与任务设定下取得的，不能直接外推到任意语言、任意领域或任意文档类型。
第三，「重排序提升 27%」这类数字有明确限定：它是 MRR@10 上的相对提升，比较对象是论文所述的此前最佳结果，且限定在 MS MARCO 段落检索任务上。把它读成绝对提升、或读成对所有检索场景的普遍增益，都是误读。
第四，重排序有明确的成本。逐候选打分意味着延迟随候选数量增长，在延迟敏感的应用中需要在候选规模与排序质量之间取舍；同时，引入一个额外的神经模型也增加了部署与维护的复杂度。
第五，该论文自述其实现是「简单重新实现」，即把已有的预训练模型套用到重排序任务上，而非提出全新的模型架构。因此把它理解为「某种新模型」并不准确，它更接近一种任务设定与工程做法的确立。