通俗解释
向量检索把查询和文档分别编码，快但粗。交叉编码器把两者拼成一个输入，让每一层注意力都能看到双方，所以判断相关性更准，但太慢，只能对前几十到几百条候选重排。“向量/BM25 召回 + 交叉编码器重排”是 RAG 的标准两阶段结构。
用在哪里：RAG 和搜索系统的重排阶段（如 bge-reranker、各家 Rerank API）
01原始论文
02知识位置
左边先学；右边是学完它之后可以学的。
相关：ColBERT 后期交互稠密段落检索 DPR检索增强生成 RAG
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
cross-encoder-rerank)