本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
在 Amazon Bedrock 中使用重排器模型提高查询响应的相关性
Amazon Bedrock 提供了对重排器模型的访问权限，您可以在查询时使用这些模型来提高检索到的结果的相关性。重排器模型将计算分块与查询的相关性，并根据自己计算出的分数对结果进行重新排序。通过使用重排器模型，您可以返回更合适的响应来回答查询。或者，您也可以在运行模型推理时将结果包含在提示中，以生成更相关、更准确的响应。使用重排器模型时，您检索到的结果更少，但却更相关。通过将这些结果输入到用于生成响应的基础模型，您还可以降低成本和延迟。
重排器模型经过训练，可以根据查询识别相关性信号，然后利用这些信号对文档进行排序。因此，这些模型可以提供更相关、更准确的结果。
注意
您只能对文本数据使用重排。
有关重排模型的定价的信息，请参阅 Amazon Bedrock 定价
重排至少需要以下输入：
-
重排器模型，用于接受用户查询和评测其可以访问的数据来源的相关性。
-
用户查询。
-
文档列表，重排器必须根据文档与查询的相关性对该列表进行重新排序。
您可以通过以下方式使用 Amazon Bedrock 中的重排器模型：
-
直接通过 Amazon Bedrock API 调用 Rerank 操作。
Rerank操作会将查询、文档和任何其他配置作为输入发送到重排器模型。该模型随后会根据文档与查询的相关性对文档进行重排，并在响应中返回文档。 -
如果您使用 Amazon Bedrock 知识库来构建检索增强生成（RAG）应用程序，请在调用 Retrieve 或 RetrieveAndGenerate 操作时或者在 AWS 管理控制台中查询知识库时使用重排器模型。重排的结果会覆盖 Amazon Bedrock 知识库确定的默认排序。
