主要內容總結

本文提出了一種具有強推理能力的列表式段落重排序模型ReasonRank，旨在解決現有重排序模型在推理密集型場景（如復雜問答、數學問題、代碼查詢等）中表現不佳的問題，核心原因是這類場景缺乏高質量的推理密集型訓練數據。

為解決這一問題，研究團隊：

1. 設計了自動推理密集型訓練數據合成框架，從復雜問答、代碼、數學、網頁搜索四個領域收集查詢和段落，利用DeepSeek-R1生成高質量標簽（包括推理鏈和黃金排序列表），并通過自一致性過濾機制保證數據質量，最終得到1.3萬條高質量訓練數據。
2. 提出兩階段訓練框架：
   • 冷啟動監督微調（SFT）階段：讓基礎大語言模型學習列表式推理模式和黃金排序。
   • 強化學習（RL）階段：設計多視角排序獎勵（結合NDCG@10、Recall@10、RBO等指標），優化模型的排序能力，適配列表式排序的滑動窗口特性。

實驗結果顯示，ReasonRank在BRIGHT和R2MED兩個推理密集型基準上超越現有基線模型，且延遲低于點式重排序模型Rank1，在BRIGHT排行榜上達到SOTA性能（40.6分）。

創新點

1. 自動推理密集