# 文档重排序

RenderRank 将文档文本渲染为图像并编码为压缩视觉 token，用文本教师做跨模态相关性蒸馏、再用查询内对比学习区分正负文档，在 BEIR 11 个数据集上以平均 290.07 个输入 token 取得平均 NDCG@10 55.96，比所评估的文本重排序器少用 16.5–35.5% 输入 token，并在四个长文档数据集上以约一半的平均输入 token 取得平均 NDCG@10 88.27。

RenderRank 将文档文本渲染为图像并编码为压缩视觉 token，用文本教师做跨模态相关性蒸馏、再用查询内对比学习区分正负文档，在 BEIR 11 个数据集上以平均 290.07 个输入 token 取得平均 NDCG@10 55.96，比所评估的文本重排序器少用 16.5–35.5% 输入 token，并在四个长文档数据集上以约一半的平均输入 token 取得平均 NDCG@10 88.27。

该工作提出 AdaTutoRank：一个以三层九维评分量表为监督、用自适应辅导优化（ATO）训练的集合式重排器，它按 rollout 的奖励高低分别给予量表、反思或同源集合三种提示，并把提示效果蒸馏为词元级优势与组相对结果优势叠加；在覆盖 RAG、深度研究与集合级评测的十项基准上取得最佳总体表现，同时减少智能体的检索调用。

该工作提出 AdaTutoRank：一个以三层九维评分量表为监督、用自适应辅导优化（ATO）训练的集合式重排器，它按 rollout 的奖励高低分别给予量表、反思或同源集合三种提示，并把提示效果蒸馏为词元级优势与组相对结果优势叠加；在覆盖 RAG、深度研究与集合级评测的十项基准上取得最佳总体表现，同时减少智能体的检索调用。