（九）基于文本的QA问答系统——总结回顾

思维拓展

回到最初提到的内容：预训练模型在信息检索领域有两个主流方法，其中bi-encoder速度较快，但是准确率相对较低；cross-encoder速度慢，准确度高，可以考虑将二者进行结合。

首先利用bi-encoder对数据集进行粗排序（就像结果评价时使用BM25算法那样），然后在排序结果上使用cross-encoder进行重排序，从而获得更为精确的相关度排序结果。

总结回顾

通过该项目我了解了预训练模型在信息检索领域的应用，学会了在Huggingface中寻找预训练模型。并且我也认识到对实验结果进行评价时可以借助第三方库完成，从而降低非核心部分的开发工作量。

参考资料(主要)

[1] [2004.12832] ColBERT: Efficient and Effective Passage Search via Contextualized Late Interaction over BERT (arxiv.org)

[2] 2005.04474.pdf (arxiv.org)

[3] [2105.06813] A cost-benefit analysis of cross-lingual transfer methods (arxiv.org)

[4] [2108.13897] mMARCO: A Multilingual Version of the MS MARCO Passage Ranking Dataset (arxiv.org)