用 Jev 给 Elasticsearch 做重排：nDCG@10 从 0.9351 到 0.956原创

检索交给 Elasticsearch，排序交给 Jev。 这篇 Elastic 官方博客把「重排」从检索里单独拎出来做了个基准：ESCI 购物查询数据集、250 条查询、4754 个查询/商品对，且每条查询交给所有策略同一批候选 —— 比的是排序质量，不是谁找到了哪些商品。 结果：混合检索基线的序数 nDCG@10 是 0.9351，四个 Jev 策略全部更高，最好的关系期望效用到 0.9565（+0.0214，95% CI 不含 0）；精确概率策略在精确匹配 MRR 上最高，0.9201 → 0.9616。 最值得带走的不是分数，是方法：Jev 不生成文本，只输出决策和概率（Choice / Noul / Score），一次判断 70–500 毫秒，输出 token $0.000/百万 —— 所以它敢放在检索链路上，而不是当离线任务。而排序权重（「相关」到底指什么）留在应用代码里，不藏在模型里。 1 分 47 秒，把这条链路、四个策略和它自己承认的边界讲清楚。 原文：https://mp.weixin.qq.com/s/tnRBIVW0dB9UsDjOc-z1gQ