为什么要用Reranking
公司内部使用自研RAG系统支持业务工作已经有几个月时间，从最开始大家指出系统存在两点问题（这有问题，那也有问题），逐步优化到现在成为生产力工具。主要针对流程节点中优化了Prompt、Chunk分块策略、元数据过滤、检索策略等方面。但依然会被吐槽输出差强人意，最主要是检索的内容不够精准，当然这也跟我们知识库的内容复杂宽泛有关系。
另一个问题是ElasticSearch（ES），是的，我们使用ElasticSearch作为向量数据库。ES检索的速度足够满足需求，同时也支持全文搜索，但检索的相关度有些时候不够好，更准确的说应该是相关度不够。ES使用的分层可导航小世界（HNSW）算法来计算近似最近邻距离，这种算法的有点是速度快、效率高，但精度不够。
这里说的精度不够也是个相对的说法，因为LLM上下文窗口大小的限制，我们只把检索出来top_5的文档给到LLM去生成内容。因此解决问题的思路就是检索出更多的内容，再通过另外一个模型对文档和用户查询做相关度评分，根据评分结果取top_5的数据给到LLM去生成内容。
示例：相似度检索top_k=5，在重排序选择top_n=2
Reranking的技术原理
重排序是一个通过计算文档与查询的相似性得分，并据此重新排序文档的过程。具体到重排序的工作原理，可以从以下几个方面进行解释：
1.计算嵌入向量：首先，对每个文档计算其嵌入向量。这一步通常涉及使用深度学习模型，如句子变换器（sentence-transformer），来捕捉文档内容的语义信息。
2.输出相似性得分：然后，使用一个交叉编码器或类似的模型，对给定的查询和文档对输出一个相似性得分。这个得分反映了文档与查询之间的相关性。
3.文档重排序：最后，根据这些相似性得分对检索到的文档进行重新排序。这样，最相关的文档会被置于较高的位置，从而提高检索结果的准确性和相关性。
重新排序器考虑查询和文档，以在完整的转换器推理步骤中产生单个相似性得分。请注意，这里的文档A相当于我们的查询。
重排序方法（Reranker）主要分为以下两种类型：
1.重排序模型（Reranking models） ：这些重排序模型会分析用户提出的查询与文档之间的交互特征，以便更准确地评估它们之间的相关性。例如网易有道BCEmbedding、Jina Reranker、Cohere reranker
2.LLM：通过使用 LLM 深入理解整个文档和用户提出的查询，可以更全面地捕捉语义信息，并对文档进行排序。现有的涉及 LLM 的重排序方法大致可分为三类：对 LLM 进行 fine-tuning，使其专门针对重排序任务进行训练、使用 Prompt 的方式引导 LLM 进行重排序以及利用 LLM 生成的数据来增强训练集，从而提高重排序模型的性能。
BCEmbedding介绍
BCEmbedding（Bilingual and Crosslingual Embedding, BCEmbedding）网易有道开源的算法模型库，包括检索模型 EmbeddingModel（bce-embedding-base_v1）和重排序模型 RerankerModel（bce-reranker-base_v1）本地部署，可免费商用。
其他特性：
EmbeddingModel 和 RerankerModel 可支持 BCEmbedding，transformers，sentence-transformers 框架推理模型。
提供 LangChain和 LlamaIndex的集成接口，可方便集成到现有基于 LangChain 或 LlamaIndex 的 RAG 产品中。
RerankerModel 提供 rerank 方法，可以支持长 passages（token 数超过 512）的精排。
RerankerModel 提供 rerank 方法，可以提供有意义的 query 和 passage 的语义相关分数（0～1），可用于在精排，进一步过滤低质量 passage，减少无关信息对 LLM 问答的干扰。
非常贴心，几乎可以轻松集成到自己的项目中。
以下是官方提供的集成LangChain样例代码，原有一些包路径已经过时LangChain做了迁移的，我已经做了修改。另一个需要注意的点，代码中需要下载Huggingface的模型，这个需要上外网，而且这个BCEmbedding的模型库需要验证才能下载，比较麻烦。最好的情况是把模型git clone到本地，然后修改embedding_model_name为本地的路径。
#python# 我们在`BCEmbedding`中提供langchain直接集成的接口。from BCEmbedding.tools.langchain import BCERerankfrom langchain_community.vectorstores import FAISSfrom langchain.text_splitter import RecursiveCharacterTextSplitterfrom langchain_community.document_loaders import PyPDFLoaderfrom langchain_community.embeddings.huggingface import HuggingFaceEmbeddingsfrom langchain_community.vectorstores.utils import DistanceStrategyfrom langchain.retrievers.contextual_compression import ContextualCompressionRetriever# init embedding modelembedding_model_name = 'maidalun1020/bce-embedding-base_v1' #修改为本地路径embedding_model_kwargs = {'device': 'cuda:0'}embedding_encode_kwargs = {'batch_size': 32, 'normalize_embeddings': True}embed_model = HuggingFaceEmbeddings(model_name=embedding_model_name,model_kwargs=embedding_model_kwargs,encode_kwargs=embedding_encode_kwargs)reranker_args = {'model': 'maidalun1020/bce-reranker-base_v1', 'top_n': 5, 'device': 'cuda:1'} #修改为本地路径reranker = BCERerank(**reranker_args)# init documentsdocuments = PyPDFLoader("BCEmbedding/tools/eval_rag/eval_pdfs/Comp_en_llama2.pdf").load()text_splitter = RecursiveCharacterTextSplitter(chunk_size=1500, chunk_overlap=200)texts = text_splitter.split_documents(documents)# example 1. retrieval with embedding and rerankerretriever = FAISS.from_documents(texts, embed_model, distance_strategy=DistanceStrategy.MAX_INNER_PRODUCT).as_retriever(search_type="similarity", search_kwargs={"score_threshold": 0.3, "k": 10})compression_retriever = ContextualCompressionRetriever(base_compressor=reranker, base_retriever=retriever)response = compression_retriever.get_relevant_documents("What is Llama 2?")print(response)
Reranking的不足之处
凡事都有两面性，作为RAG系统的一项优化技术，在生成内容的精准度方面带来提升，但也会带来其他的问题：
1.性能降低，相比于原来单段式的流程，增加了Reranking的二段式，多了额外的步骤，必然会带来额外的处理时间。基于重排序模型的相对还好一些，LLM的Reranking性能损耗会更大，特别是对比原来向量检索就毫秒级的返回，体验就非常明显。
2.成本提升，不管是本地部署的服务器成本，还是商业化的在线服务调用，都需要额外成本。而且每次可能都是要从检索出来的top_50文档筛选出top_5，计算量远大于原来的单段式。
Reranking 在那些对回答的精确度和相关性要求极高的场合中比较有高价值，比如专业的知识库查询或者客户服务系统等。在这些应用场景中，查询往往关乎重大的商业利益，要求严谨，因此，提高回答的精确度是最重要的考量，其重要性超过了对系统性能要求和成本控制。Reranking 的应用能够带来更准确的答案，从而显著增强用户满意度。
