主要内容总结

本文提出了一种具有强推理能力的列表式段落重排序模型ReasonRank，旨在解决现有重排序模型在推理密集型场景（如复杂问答、数学问题、代码查询等）中表现不佳的问题，核心原因是这类场景缺乏高质量的推理密集型训练数据。

为解决这一问题，研究团队：

1. 设计了自动推理密集型训练数据合成框架，从复杂问答、代码、数学、网页搜索四个领域收集查询和段落，利用DeepSeek-R1生成高质量标签（包括推理链和黄金排序列表），并通过自一致性过滤机制保证数据质量，最终得到1.3万条高质量训练数据。
2. 提出两阶段训练框架：
   • 冷启动监督微调（SFT）阶段：让基础大语言模型学习列表式推理模式和黄金排序。
   • 强化学习（RL）阶段：设计多视角排序奖励（结合NDCG@10、Recall@10、RBO等指标），优化模型的排序能力，适配列表式排序的滑动窗口特性。

实验结果显示，ReasonRank在BRIGHT和R2MED两个推理密集型基准上超越现有基线模型，且延迟低于点式重排序模型Rank1，在BRIGHT排行榜上达到SOTA性能（40.6分）。

创新点

1. 自动推理密集