arXiv 论文《Optimal Re-Ranking Depth》：按查询动态调重排深度，平均深度最多可缩至原来的 1/3 且保持整体效果

arXiv 论文《Optimal Re-Ranking Depth》提出按 query 动态选择二级神经重排器的重排深度，以避免深度增加后效果停滞甚至下降。基于 LLM 评估第一阶段排序质量的 IR-DCG@10 预测器可将平均重排深度最多缩减至原来的 1/3，同时保持整体效果；在 oracle 选深条件下，效果还可提升 7% 以上。