**DecisionRank：基于在线策略蒸馏的决策模型重排序器**

_DecisionRank: On-Policy Distillation for Decision-Model Rerankers_

> 针对决策模型难以迁移生成式大模型排序知识的痛点，本文提出 DecisionRank，一种基于物品空间的在线策略蒸馏（OPD）框架。该方法通过排序学生模型的物品得分生成排名序列，并由生成式教师模型提供条件反馈以直接监督得分，结合离线监督实现了在 TREC、BEIR 等基准上的最先进性能。实验表明，该模型在保持小参数规模（如 1.7B）的同时，性能超越 27B 教师模型，且推理速度显著快于生成式列表模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-03 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.42128)