RAGCohere RerankBGE RerankerLLM 工程信息检索
我试了 Cohere 和 BGE 的 Reranker 来做金融 RAG,说说为什么 Cohere 留在了我的技术栈里
在我的生产级金融研究助手里,Cohere Rerank 3.5 是我更偏爱的相关性层,胜过 BGE 那套 reranking 方案——这是真实使用中的定性结论,不是 benchmark 声明。
Cohere 的检索重排模型,比上代便宜十几倍,校准分数能判断「该不该回答」。
“用 Rerank 5(rerank-v5.0-pro)之后,hit@5 从 0.835 升到 0.870,MRR 从 0.734 升到 0.808,没有任何一道题把正确文档挤出 top 5。但改写成口语的概念题还是 0.500,因为重排只能在召回的候选里重新排序。”
“整段 query 把韩语那个中间约束救回来了,带上历史则救回了用户复制素材那种情况。但在后续修复之前,历史把咖啡偏好挤掉、换成了不相关的项目。切项目/纠正场景里的串项目污染,还有不支持的 assistant 引用场景里的项目注入,都还没解决。”
“Rerank 5 的 0.7 分更接近真正'70% 概率有用',所以固定阈值在每个 query 上过滤得都一样稳。”
值得——Cohere Rerank 5 的 worth-it 分数是 79%,基于 401 个社区投票。
Cohere Rerank 5 是一款检索模型。对我的金融 RAG 工作负载来说,相关性匹配最实用。
$2/千次搜索
在我的生产级金融研究助手里,Cohere Rerank 3.5 是我更偏爱的相关性层,胜过 BGE 那套 reranking 方案——这是真实使用中的定性结论,不是 benchmark 声明。