#Rerank

Utilisez le reranking pour réorganiser des documents candidats selon leur pertinence par rapport à une requête. Il est généralement appliqué après une récupération par mots-clés ou par vecteurs.

POST https://getrouter.ai/v1/rerank

#Requête de base

curl https://getrouter.ai/v1/rerank \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MODEL_ID",
    "query": "How do I authenticate API requests?",
    "documents": [
      "Send the API key as a Bearer token in the Authorization header.",
      "Video generation jobs are asynchronous.",
      "Image responses may contain a URL or Base64 data."
    ],
    "top_n": 2,
    "return_documents": true
  }'

La réponse contient un tableau results classé. Chaque résultat identifie l’index du document source et comprend un score de pertinence ; le document peut également être renvoyé lorsque return_documents est activé.

#Champs de la requête

#Flux de travail de récupération

User query
    ↓
Keyword or vector retrieval
    ↓
Candidate documents
    ↓
POST /v1/rerank
    ↓
Top-ranked context
    ↓
Generation model

#Bonnes pratiques

• Conservez l’index d’origine de chaque document afin de pouvoir associer les résultats de manière sûre.
• Récupérez un ensemble de candidats de taille raisonnable avant le reranking.
• Utilisez top_n pour limiter le contexte transmis à un modèle de génération.
• Mesurez la qualité de la récupération avec vos propres données plutôt que de vous fier à des seuils de score copiés depuis un autre modèle.
• Ne comparez pas les scores bruts de différents modèles de reranking, sauf si leur documentation indique que leurs échelles sont compatibles.

#Étapes suivantes

• Embeddings
• Parcourir les modèles de reranking
• Consulter les tarifs
• Ouvrir la référence de l’API