Salta al contenuto principale
<FC/>
AccediRegistrati
  • Home
    • BackendArchitettura production-grade
    • FrontendAngular SSR e performance
    • Percorsi carrieraHub dei percorsi professionali
    • Articoli772 articoli bilingue
    • PercorsiLearning path curati
    • Event Builder TrackCareer matrix 4 livelli × 5 skill
    • RisorseLibri e guide
    • Ebook10 guide tecniche in vendita
    • Knowledge HubKnowledge pack AI-ready per dominio
    • Università17 atenei IT + 30+ esteri
    • UniAppunti10 serie didattiche
    • ArcadeQuiz interattivi
    • Dev Tools588 strumenti gratuiti
    • Estensioni Browser52 estensioni gratuite, offline
    • Open DataDataset CC-BY citabili
    • Dataset APIQuery pay-per-use €5/1000
    • Strumenti BusinessStrumenti per aziende
    • Demo41 template Angular SSR
    • Open SourceProgetti GitHub MIT
    • Esplora UrbexMappa lost places & luoghi abbandonati
    • ProgettiShowcase open source
    • Chi sonoBackground e focus
    • ApproccioCome lavoro
    • ServiziSviluppo web, SEO, automazione
    • Prenota una callDisponibilità in tempo reale
    • TalkSpeaking ed eventi tecnici
    • Press & MediaPubblicazioni e citazioni
  • AccediRegistrati
  • Community
  • Collabora con me
  1. Home
  2. Blog
  3. Reranking Rag Cross Encoder
RAG Engineering15 lug 2026•18 min di lettura

Re-ranking nelle pipeline RAG: cross-encoder e recupero a due stadi

Il retrieval a due stadi in RAG: bi-encoder per il recupero iniziale veloce, cross-encoder per il re-ranking intelligente dei top-k. Metriche di qualità (nDCG, MRR, recall@k), trade-off latenza-qualità, e implementazione real-world con sentence-transformers + RediSearch su Ollama on-prem.

ragretrieval-augmented-generationre-rankingcross-encoderbi-encoderembeddingredisearchvector-searchnlpsentence-transformerspython 3.12ollamainformation-retrievaltwo-stage-retrieval

💭Cosa ne pensi di questo articolo?

Condividi

In Breve

Il retrieval a due stadi in RAG: bi-encoder per il recupero iniziale veloce, cross-encoder per il re-ranking intelligente dei top-k. Metriche di qualità (nDCG, MRR, recall@k), trade-off latenza-qualità, e implementazione real-world con sentence-transformers + RediSearch su Ollama on-prem.

Cohort Insights Premium

Report settimanale: tool più usati, articoli trending e dati della community

Abbonati - €8/mese

Articoli Correlati

RAG Engineering

Retrieval quality deep-dive: NDCG, MRR, HitRate, quando il retriever fallisce

Retrieval quality deep-dive: NDCG, MRR, HitRate, quando il retriever fallisce Il retriever restituis…

RAG Engineering

Monitoring production vs eval set: drift detection, retraining trigger

Monitoring production vs eval set: drift detection, retraining trigger: Monitoring production vs eva…

RAG Engineering

Prompt optimization driven by eval: A/B retrieval strategy, reranking, prompt template

Prompt optimization driven by eval: A/B retrieval strategy, reranking, prompt template Prompt A: con…

💡Ti è piaciuto l'articolo?

Condividilo, lascia una reazione, registrati per non perdere i prossimi.

🚀 Condividi questo articolo

  • 𝕏X
  • inLinkedIn
  • 💬WhatsApp
  • ✈️Telegram
  • fFacebook
  • ✉️Email
📬
Iscriviti alla newsletter Ricevi 1 email/settimana sui nuovi articoli AI Engineering
→
👤
Crea un account gratuito Salva preferiti, commenta articoli, traccia il tuo apprendimento
→
💬
Lascia un commento Condividi opinioni, domande o esperienze con la community
↓

Commenti

Caricamento commenti...

Accedi per commentare

Discuti questo articolo nella community

Unisciti al gruppo Telegram per discutere con altri sviluppatori, fare domande e condividere le tue esperienze.

Canale BlogGruppo Community

Guida completa AI Agents (ebook)Link affiliatoCosa significa

Newsletter AI Engineering EU

1 email/sett: trend AI ed EU AI Act. No spam.

Ti è piaciuto questo articolo?

Esplora altri contenuti sul blog o scopri i miei progetti

Tutti gli ArticoliI Miei Progetti

<FC/>

Applicazioni AI enterprise documentate. Dal concept al deploy AWS.

Connettiti

GitHubLinkedInEmailTelegram CanaleTelegram Bot AI

Contenuti Tecnici

Articoli Deep-DiveDev Tools & AlgoritmiDataset Open DataLibreria ContenutiProgetti Open SourceRSS Feed

Risorse

Chi SonoEbook TecniciAudit FreelanceCommunityCollabora

Persona

Chi sonoCosa usoOraCosa credoTalk

Iniziative 2026

Angular SSR MasterclassContext EngineeringPuglia Tech IntelligenceSport IntelligenceAI Transparency Ledger

Legale

Privacy PolicyTermini di ServizioCookie PolicyLinee Guida CommunityTermini di VenditaPolitica di Rimborso

Dove Trovarmi

Disponibile per consulenze in tutta Italia, con base in Puglia.

Profilo Google Business

Resta aggiornato

Ricevi i migliori articoli tech direttamente nella tua inbox.

Nessuno spam. Puoi cancellarti in qualsiasi momento.

© 2026 Federico Calò. All rights reserved.