面向 passage 排序的 ReasonRank：赋予强推理能力

基于大语言模型（LLM）的列表化排序在许多 passage 排序任务中显示出优异性能。随着大推理模型（LRMs）的发展，许多研究表明，在测试期间进行逐步推理有助于提高列表化排序性能。然而，由于推理密集型训练数据稀缺，现有重排序器在许多复杂排序场景中表现不佳，推理密集型重排序器的排序能力仍 largely 发展不足。本文首先提出一种自动化推理密集型训练数据合成框架，源自多样化领域的训练查询和 passage，并应用DeepSeek-R1生成高质量训练标签。为赋予列表化重排序器强大的推理能力，我们进一步提出两种阶段的训练方法，包括冷启动监督微调 (SFT) 阶段和强化学习（RL）阶段。在RL阶段，我们设计了一种针对列表化排序多轮次性质的新型多视图排序奖励。广泛实验表明，我们训练的推理密集型重排序器ReasonRank显著优于现有基线，同时也比基于点的方法重排序器实现 much 更低的延迟。我们的代码已公开于https://github.com/8421BCD/ReasonRank。