¿Qué es un modelo reranker?
Una búsqueda suele empezar con un «primer barrido» que recoge un montón de candidatos —decenas o cientos—. El trabajo de un reranker es revisarlos con cuidado, volver a puntuarlos por su relevancia real y subir el mejor a la primera posición.¿Por qué añadir este paso extra?
El primer paso es rápido pero imprecisoLa búsqueda vectorial es veloz y recupera mucho, pero solo mira si hay «parecido general», así que se le escapan detalles y malinterpreta la importancia.
El paso fino es lento pero certero
Un reranker compara la consulta con cada candidato línea a línea: mucho más cuidadoso, pero más lento, así que solo trabaja sobre unos pocos candidatos.
Rápido y preciso a la vez
«Primero en bruto, luego en fino»: el barrido aporta velocidad y el afinado aporta precisión. Es el esquema estándar.
¿Cómo juzga la relevancia?
Puntúa uno a unoEmpareja tu consulta con cada candidato y emite una puntuación de relevancia.
Entiende significado, no solo palabras
Empareja distintas formas de decir lo mismo, y detecta resultados que comparten palabras pero no son relevantes.
Respeta el contexto
En una charla de varios turnos, usa tus preguntas anteriores para decidir qué candidato necesitas ahora de verdad.
¿Dónde mejora las cosas?
Bases de conocimiento corporativas, búsqueda de e-commerce, recuperación de documentos legales, asistentes RAG… cuando el primer resultado no es el correcto, un reranker suele arreglarlo al momento: sube el acierto y el modelo ve material más limpio.En resumen: un reranker es la fase de «afinado» de la recuperación — el barrido te da velocidad, el reranker te da precisión, y pone primero el resultado correcto.
Comentarios