以下是关于 RAG 库排名的相关信息：
在检索阶段获取匹配的文档片后，会有一个排序环节，通常基于文档片与输入问题之间的相似度分数来进行，确保最相关的片段排在前面。 RAG 是检索增强生成（Retrieval Augmented Generation）的简称，是当前最火热的企业级 LLM 应用方案，概括起来就是知识检索+内容生成。其主要组成包括数据提取、embedding（向量化）、创建索引、检索、自动排序（Rerank）、LLM 归纳生成。 在重排 rerank 方面，搜到相似信息后存在选择策略，如默认取 TOP 10、TOP 25 等。大部分场景下选择最相似的通常没问题，但由于向量化基本是平权的，存在优化空间，特别是对于私有化数据，可引入来源机制进行调整，对向量化的数据进行综合评分，如相似度*置信度等，然后再进行 rebank。