击败Meta登榜首：推理增强的文档排序模型ReasonRank来了

本文的第一作者是刘文涵，就读于中国人民大学高瓴人工智能学院，博士三年级，导师为窦志成教授，目前在百度大搜部门进行实习。他的研究方向聚焦于 AI 搜 索，在顶级国际会议如 ACL、WWW 等发表了多篇论文。 推理大模型（Large Reasoning Model）极大的促进了自然语言处理领域的发展，而信息检索领域的核心问题之一是文档排序，如何利用强大的推理大模型通过主动 推理来判断文档的相关性，进而再对文档进行排序是一个值得探索的方向。 在本次工作中，我们提出了 ReasonRank，ReasonRank 在包括 BRIGHT、R2MED 在内的多个榜单，击败了 UMASS 大学，Waterloo 大学，Meta 在内的多个大学和 机构， 于 2025 年 8 月 9 日荣登榜单第一名。我们更小尺寸的 ReasonRank-7B 也远远超越了其他 32B 大小的推理型排序大模型，同时相比 pointwise 排序器具备明 显的效率优势。此外，我们的论文还获得了 Huggingface paper 日榜第一名。 | Rank | Retriever | Score | | --- | --- | --- | | ...