构建高效RAG系统，Embedding与Reranker模型的选择至关重要。本文基于实际测试数据，对比了多款主流模型的性能表现，旨在为开发者提供一份清晰、可量化的模型选型参考，帮助避开选型陷阱，提升应用效果。
智能速览
Embedding模型负责将文本转为向量，是RAG检索的基础。
Reranker模型通过二次排序，能显著提升检索结果的相关性。
实验采用Hit Rate和MRR指标，对模型进行量化评估。
Qwen3-Embedding-4B在测试中展现出最优的检索性能。
加入Reranker模型后，多数模型的Hit Rate提升超过5%。
精华内容
理论之外，真实的性能表现究竟如何？通过严谨的实验测试，不同模型的优劣势得以清晰呈现。接下来，将深入解读这些核心数据，揭示模型选择背后的关键考量。
模型核心原理
在RAG系统中，Embedding模型扮演着基石角色。它将文本片段转化为高维向量，使语义相近的内容在向量空间中相互靠近，从而实现初步的语义检索。
而Reranker模型则在此基础上进行精加工。它通常采用交叉编码器架构，对初步检索到的少量候选文档与用户查询进行深度交互和相关性计算，实现结果的精准重排序，最终提升答案的准确度。
评测基准与指标
为确保评测的客观性，实验采用了Mediatek-Research/TCEval-v2数据集的drcd子集。该数据集包含超万段落的中文机器阅读理解数据，源自维基百科，具备相当的权威性和多样性。
评测指标主要关注两个核心数据：命中率（Hit Rate），衡量在前k个结果中找到正确答案的查询比例；以及平均倒数排名（MRR），评估首个相关文档在结果列表中的排名优劣，分值越高代表排名越靠前。
Embedding模型实测
在不含Reranker的基准测试中，各Embedding模型表现差异明显。bge-large的Hit Rate为86.2%，MRR为0.8483。bce-embedding-base_v1表现与之接近，Hit Rate达到87.2%。
而Qwen3系列模型展现出更强的竞争力。Qwen3-Embedding-0.6B的Hit Rate已达到90.8%，其4B版本更是取得了96.4%的Hit Rate和0.9368的MRR，在基准测试中全面领先。
Reranker的增益效果
引入Reranker模型后，所有系统的性能均获得显著提升。以bge-large为例，搭配bge-reranker-large后，Hit Rate从86.2%提升至89.8%，提升了3.6个百分点。
效果最显著的是Qwen3-Embedding-4B，在配合Qwen3-Reranker-0.6B后，其Hit Rate达到了惊人的98.2%，MRR也提升至0.9384，这表明Reranker是优化RAG系统性价比极高的手段。
本次性能实测为RAG应用开发提供了宝贵的选型数据。无论是追求极致精度的Qwen3-Embedding-4B，还是寻求平衡的方案，都需结合具体场景权衡。面对层出不穷的新模型，你的下一个RAG系统将如何选择？
