Think Thrice Before Reranking: Multi-perspective Evidence and Reasoning Integration for Text Reranking

📄 arXiv: 2609.20131v1 📥 PDF

作者: Lijun Liu, Zhengzong Chen, Wenyan Li, Yuanyuan Zhao, Fei Huang

分类: cs.IR, cs.CL

发布日期: 2026-09-17

💡 一句话要点

提出MERIT-Rank以解决文本重排序中的单一推理轨迹问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 文本重排序 推理模型 多视角分析 鲁棒性提升 信息检索

📋 核心要点

  1. 现有的基于推理的重排序方法主要依赖单一推理轨迹，导致排名结果易受推理错误的影响。
  2. 本文提出MERIT-Rank框架，通过建模多条互补的推理轨迹来增强重排序的鲁棒性。
  3. 实验结果显示，MERIT-Rank在多个基准测试中表现优异，尤其在BRIGHT数据集上，4B模型超越了大多数7B和32B的重排序模型。

📝 摘要（中文）

基于推理的重排序方法在文本排名中显示出良好的效果，但现有方法主要依赖单一推理轨迹，导致排名结果易受推理错误影响，并且在建模文档相关性的多维信号方面存在局限。为了解决这一问题，本文提出了MERIT-Rank（多视角证据与推理集成的文本重排序框架），该框架通过建模互补的推理轨迹来提高重排序的鲁棒性。MERIT-Rank构建了一个多轨迹推理空间（MTRS），从多个视角评估查询与文档的相关性，并引入联合重排序器将这些推理路径整合为统一的排名决策。此外，本文还开发了渐进排名策略优化（PRPO），通过分阶段优化目标来稳定推理轨迹，同时不断提升排名质量。实验结果表明，MERIT-Rank在推理密集型和传统检索基准上均优于竞争基线。

🔬 方法详解

问题定义：现有的文本重排序方法往往依赖单一推理轨迹，这使得排名结果容易受到推理错误的影响，且在处理文档相关性的多维信号时存在局限性。

核心思路：本文提出MERIT-Rank框架，通过构建多轨迹推理空间（MTRS），从多个视角评估查询与文档的相关性，进而提高重排序的鲁棒性。

技术框架：MERIT-Rank的整体架构包括多个模块：首先是多轨迹推理空间的构建，其次是联合重排序器的设计，最后是渐进排名策略优化（PRPO）用于训练和优化。

关键创新：MERIT-Rank的核心创新在于同时考虑多个推理轨迹，从而克服了传统方法的单一性，增强了模型对复杂信号的处理能力。

关键设计：在设计中，MERIT-Rank采用了联合损失函数以整合不同推理路径的输出，并通过分阶段的优化策略来稳定推理轨迹，确保排名质量的持续提升。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，MERIT-Rank在推理密集型和传统检索基准上均表现出色，尤其在BRIGHT数据集上，4B模型的性能显著优于大多数7B和32B的重排序模型，展示了其在文本重排序任务中的强大能力。

🎯 应用场景

该研究的潜在应用领域包括信息检索、问答系统和推荐系统等，能够有效提升文本重排序的准确性和鲁棒性。随着大规模语言模型的普及，MERIT-Rank的设计理念和方法论将对未来相关研究和应用产生深远影响。

📄 摘要（原文）

Reasoning-based reranking with Large Language Models (LLMs) has shown promising improvements in text ranking. However, current methods predominantly rely on a single reasoning trajectory, resulting in rankings that are susceptible to reasoning errors and inherently constrained in modeling the multifaceted signals underlying document relevance. To resolve this dilemma, we propose MERIT-Rank(Multi-perspective Evidence and Reasoning Integration for Text Reranking), a framework that models complementary reasoning trajectories to improve reranking robustness. MERIT-Rank formulates a Multi-Trajectory Reasoning Space (MTRS) that evaluates query-document relevance from multiple perspectives and introduces a joint reranker that consolidates these reasoning paths into a unified ranking decision. We further develop Progressive Rank Policy Optimization (PRPO), a progressive training framework that stabilizes reasoning trajectories while continually improving ranking quality through staged optimization objectives. Experiments on both reasoning-intensive and traditional retrieval benchmarks show that MERIT-Rank consistently achieves superior performance over competitive baselines. The 4B model notably outperforms most 7B and even 32B rerankers on BRIGHT.