Ngôn ngữ

Xếp hạng lại

Xếp hạng lại là giai đoạn thứ hai của quy trình truy xuất — cách bi-encoder và cross-encoder sắp xếp lại kết quả đã truy xuất theo mức liên quan trước khi phân phối hoặc chuyển cho LLM, cùng ý nghĩa đối với khả năng hiển thị trong tìm kiếm AI.

Xuất bản lần đầu: 3 thg 7, 2026 · Cập nhật lần cuối: 24 thg 8, 2026 · Nâng cao
AIĐược viết bởiAI v2

Xếp hạng lại là giai đoạn thứ hai của quy trình truy xuất: lượt đầu rộng, ít tốn kém lấy tập ứng viên gồm tài liệu hoặc đoạn; sau đó mô hình chậm hơn, chính xác hơn chấm lại và sắp xếp danh sách trước khi phân phối hoặc đưa cho LLM. Cơ chế cốt lõi là bi-encoder so với cross-encoder — bi-encoder mã hóa riêng truy vấn và tài liệu thành vector rồi so sánh (nhanh, mở rộng được, kém chính xác hơn), còn cross-encoder mã hóa chúng cùng nhau và chấm trực tiếp cặp đó (chậm hơn, chính xác hơn). Không thể chấm toàn bộ kho một tỷ trang bằng mô hình đắt tiền, nên hệ thống truy xuất rộng rồi xếp hạng lại danh sách ngắn. Google không công khai dùng từ “reranking”, nhưng các hệ thống BERT và xếp hạng đoạn được đặt tên thực hiện công việc này; Microsoft ghi rõ một bộ xếp hạng lại bắt nguồn từ Bing trong Azure AI Search. Xếp hạng lại không giống Reciprocal Rank Fusion. Kết luận SEO: vì bộ xếp hạng lại chấm chung cặp truy vấn–đoạn, đoạn tự đủ nghĩa, ít mơ hồ và đọc như câu trả lời trực tiếp sẽ đạt điểm tốt hơn.

TL;DR — Xếp hạng lại là giai đoạn thứ hai của quy trình truy xuất hai giai đoạn (hoặc nhiều giai đoạn): một lượt truy xuất rộng, ít tốn kém (khớp từ khóa BM25, độ tương đồng embedding/vector hoặc cả hai) lấy tập ứng viên; sau đó mô hình chậm hơn, chính xác hơn chấm lại và sắp xếp danh sách rút gọn. Cơ chế cốt lõi là bi-encoder so với cross-encoder — bi-encoder mã hóa truy vấn và tài liệu riêng biệt thành vector rồi so sánh (nhanh, có thể tính trước, kém chính xác hơn); cross-encoder mã hóa chúng cùng nhau và xuất một điểm liên quan cho mỗi cặp (chậm hơn, không thể tính trước, chính xác hơn). Không thể chạy cross-encoder trên toàn bộ kho dữ liệu, nên hệ thống truy xuất rộng rồi xếp hạng lại danh sách ngắn. Google không công khai dùng từ “xếp hạng lại”, nhưng BERT và xếp hạng đoạn thực hiện chức năng đó; Microsoft ghi rõ một bộ xếp hạng lại bắt nguồn từ Bing trong Azure AI Search. Xếp hạng lại ≠ Reciprocal Rank Fusion (RRF). Kết luận cho SEO: bộ xếp hạng lại chấm cặp truy vấn–đoạn cùng nhau, nên đoạn độc lập, rõ nghĩa sẽ thắng.

Bằng chứng cho nhận định này A cross-encoder can score query-document pairs for reranking after an initial retrieval stage. Phạm vi: Sentence-BERT evaluation and related retrieve-then-rerank use; cross-encoders are one reranking approach, not a universal implementation. Độ tin cậy: cao · Đã xác minh: Reimers and Gurevych: Sentence-BERT

Mô hình truy xuất rồi xếp hạng lại

Truy xuất hai giai đoạn đánh đổi độ rộng ứng viên để lấy khả năng chấm điểm tốn kém hơn. Bằng chứng cho nhận định này A cross-encoder can score query-document pairs for reranking after an initial retrieval stage. Phạm vi: Sentence-BERT evaluation and related retrieve-then-rerank use; cross-encoders are one reranking approach, not a universal implementation. Độ tin cậy: cao · Đã xác minh: Reimers and Gurevych: Sentence-BERT Lựa chọn mô hình và đánh đổi độ trễ–chất lượng phụ thuộc từng cách triển khai. Bằng chứng cho nhận định này A rerank model can reorder an existing candidate list by relevance to a query. Phạm vi: Cohere's Rerank product behavior; inputs, limits, and scoring semantics are vendor-specific. Độ tin cậy: cao · Đã xác minh: Cohere: Rerank overview

Reranking thay đổi đó order chỉ sau retrieval tạo đó candidate set. Nguồn: Reranking

MỘT query enters fast đầu tiên-stage retrieval, mà produces một candidate shortlist. MỘT chậm hơn query-candidate scoring model reranks chỉ đó shortlist vào đó cuối order. MỘT document omitted by retrieval không bao giờ reaches đó reranker.

© Patrick Stox LLC · CC BY 4.0 ·

Mọi hệ thống liên quan quy mô lớn đều gặp cùng một vấn đề: không đủ khả năng chạy mô hình liên quan chính xác nhất trên toàn bộ kho dữ liệu. Giải pháp tiêu chuẩn là chia công việc thành các giai đoạn. Tài liệu tìm kiếm của Google Cloud nêu rõ logic: “In short, retrieval is finding relevant documents, while ranking is ordering those retrieved documents. Ranking all the available documents can be computationally expensive. Therefore, retrieval and ranking work sequentially.” (bản dịch) «Tóm lại, truy xuất tìm ra tài liệu liên quan; xếp hạng sắp thứ tự những tài liệu đã lấy về. Chấm toàn bộ tài liệu hiện có có thể tiêu tốn rất nhiều tài nguyên, nên hai hoạt động diễn ra tuần tự.» (Google Cloud, “Giới thiệu về truy xuất và xếp hạng”)

Giai đoạn một — truy xuất — mở rộng phạm vi với chi phí thấp. Nó dùng khớp từ vựng (BM25 trên chỉ mục đảo), tìm kiếm vector dựa trên embedding hoặc kết hợp cả hai rồi trả về tập ứng viên. Giai đoạn hai — xếp hạng lại — lấy danh sách đó, chấm lại từng ứng viên bằng mô hình đắt hơn, chính xác hơn rồi sắp thứ tự. Phiên bản một câu mà mọi hệ thống cùng hướng đến: truy xuất rộng và rẻ, xếp hạng lại chính xác trên tập nhỏ, sau đó phân phối hoặc tạo câu trả lời.

Bi-encoder và cross-encoder: cơ chế cốt lõi

Toàn bộ chủ đề xoay quanh một khác biệt kiến trúc — truy vấn và tài liệu gặp nhau vào lúc nào.

  • Bi-encoder (bộ truy xuất giai đoạn đầu). Nó mã hóa truy vấn và từng tài liệu riêng biệt, mỗi đối tượng thành một vector rồi so sánh hai vector bằng phương pháp như độ tương đồng cosine. Vì vector tài liệu không phụ thuộc truy vấn, bạn có thể tính và lập chỉ mục chúng trước, giúp truy xuất đủ nhanh trên toàn bộ kho dữ liệu. Đổi lại, truy vấn và tài liệu không thực sự tương tác; mô hình phải nén mọi ý nghĩa có thể của tài liệu vào một vector duy nhất nên mất sắc thái. Bi-encoder là nền tảng của embedding và tìm kiếm vector.
  • Cross-encoder (bộ xếp hạng lại giai đoạn hai). Nó mã hóa truy vấn và một tài liệu ứng viên cùng nhau như một đầu vào chung qua transformer, rồi xuất một điểm liên quan cho cặp đó. Vì thấy cả hai cùng lúc, mô hình có thể cân trực tiếp quan hệ giữa từ cụ thể trong truy vấn và tài liệu — chính xác hơn nhiều. Đổi lại, không thể tính trước. Mỗi cặp truy vấn–tài liệu phải chạy qua mô hình tại thời điểm truy vấn, quá chậm cho toàn chỉ mục. Chính vì vậy, nó chỉ dành cho danh sách rút gọn.

Đáng chú ý, Google mô tả chính xác cơ chế này bằng lời của mình. Trong tài liệu truy xuất/xếp hạng của Google Cloud, một tín hiệu truy xuất được liệt kê là cross-attention, định nghĩa là thứ “allows a model to consider the relationship between a query and a document to assign a relevance score to the document.” (bản dịch) «cho phép mô hình xem xét quan hệ giữa truy vấn và tài liệu để gán điểm liên quan cho tài liệu». Đó chính là ý tưởng cross-encoder dưới tên khác.

Vì sao không dùng mô hình chính xác cho mọi thứ?

Độ trễ và chi phí khiến việc đó bất khả thi ở quy mô lớn, và khoảng cách là khổng lồ chứ không nhỏ. Bài viết của Pinecone về truy xuất hai giai đoạn đưa ra con số cụ thể: trên tập 40 triệu bản ghi, chạy bộ xếp hạng lại cross-encoder kiểu BERT trên tất cả bằng GPU V100 sẽ mất hơn 50 giờ, so với dưới 100 mili giây cho tìm kiếm vector. (Pinecone, “Bộ xếp hạng lại và truy xuất hai giai đoạn”) Đó là toàn bộ lý do cho thiết kế hai giai đoạn — nhận phần lớn độ chính xác của cross-encoder nhưng chỉ trả chi phí cho vài chục hoặc vài trăm ứng viên.

Vectara trình bày trực diện cùng quan niệm sai — vì sao không chấm mọi tài liệu bằng mô hình chính xác nhất nếu đã có — và câu trả lời vẫn vậy: không thể, nên trước hết phải lọc bằng phương pháp ít tốn kém. (Vectara, “Xếp hạng lại là gì và vì sao quan trọng?”)

Google thực hiện điều này như thế nào

Google chưa từng công bố phát biểu chính thức dùng các thuật ngữ “reranking”, “cross-encoder” hoặc “bi-encoder” về chính Google Search — cần nói rõ để tránh khẳng định quá mức. Nhưng chức năng này được ghi nhận dưới tên khác.

Hướng dẫn về hệ thống xếp hạng Google Search của Google nêu hai hệ thống làm công việc xếp hạng lại:

  • BERT — “an AI system Google uses that allows us to understand how combinations of words express different meanings and intent.” (bản dịch) «một hệ thống AI Google dùng để hiểu cách các tổ hợp từ thể hiện ý nghĩa và ý định khác nhau». BERT đọc chung các từ của truy vấn trong ngữ cảnh; bộ xếp hạng lại dựa trên BERT chấm mức liên quan truy vấn–tài liệu như cross-encoder.
  • Xếp hạng đoạn — “an AI system we use to identify individual sections or ‘passages’ of a web page to better understand how relevant a page is to a search.” (bản dịch) «một hệ thống AI chúng tôi dùng để xác định từng phần hoặc ‘đoạn’ của trang web nhằm hiểu rõ hơn mức liên quan của trang với tìm kiếm». Đây là xếp hạng lại ở cấp đoạn thay vì cấp trang (xem xếp hạng đoạn).
  • RankBrain — hệ thống trước đó của Google “helps us understand how words are related to concepts,” (bản dịch) «giúp chúng tôi hiểu cách từ ngữ liên hệ với khái niệm», nhờ đó trả về nội dung liên quan ngay cả khi không có từ khớp chính xác.

Google Research cũng công bố thẳng cơ chế này: bài Learning-to-Rank with BERT in TF-Ranking mô tả việc mã hóa truy vấn và tài liệu bằng BERT rồi áp dụng lớp learning-to-rank, đồng thời gọi rõ đây là xếp hạng lại đoạn — báo cáo hiệu suất tốt nhất trên tác vụ MS MARCO passage re-ranking tính đến ngày 30 tháng 3 năm 2020. Đây là công bố nghiên cứu kỹ thuật, không phải hướng dẫn sản phẩm Search Central hay tuyên bố về quy trình Search đang hoạt động.

Một con số cần dè dặt: cách diễn đạt “rút xuống 1 000 kết quả đầu rồi sắp xếp lại” phổ biến trong SEO bắt nguồn từ cách tôi diễn giải nghiên cứu và bằng sáng chế công khai trong bài thuyết trình hội nghị — không phải phát biểu nguyên văn hiện hành của Google về tìm kiếm web. Sản phẩm tìm kiếm doanh nghiệp Google Cloud ghi rõ một quy trình (“the model retrieves documents in the order of thousands… The ranking model then orders the retrieved documents and serves the top 400 ranked results” (bản dịch) «mô hình truy xuất tài liệu với số lượng hàng nghìn… Sau đó mô hình xếp hạng sắp thứ tự tài liệu đã truy xuất và phân phối 400 kết quả đứng đầu»), nhưng đó là Vertex AI Search, không phải Google web Search. Đừng mặc định 1 000 hay 400 áp dụng cho Google Search.

Bing/Microsoft thực hiện điều này như thế nào

Microsoft nói rõ hơn nhiều, và tài liệu tốt nhất của họ là mô tả gần nhất về bộ xếp hạng lại trong sản xuất. Semantic ranker của Azure AI Search được mô tả là “a feature that measurably improves search relevance by using Microsoft’s language understanding models to rerank search results” (bản dịch) «tính năng cải thiện có thể đo lường mức liên quan bằng cách dùng mô hình hiểu ngôn ngữ của Microsoft để xếp hạng lại kết quả tìm kiếm» — và quan trọng là “the underlying technology is from Bing and Microsoft Research.” (bản dịch) «công nghệ nền tảng đến từ Bing và Microsoft Research».

Cơ chế khớp rõ với mô hình hai giai đoạn:

  • Nó “always adds secondary ranking over an initial result set that was scored using BM25 or Reciprocal Rank Fusion (RRF).” (bản dịch) «luôn thêm xếp hạng thứ cấp lên tập kết quả ban đầu đã được chấm bằng BM25 hoặc Reciprocal Rank Fusion (RRF)». Giai đoạn một là BM25 hoặc RRF; semantic ranker là giai đoạn hai.
  • Microsoft gọi giai đoạn đó là xếp hạng L2, và mô tả rằng nó “uses the context or semantic meaning of a query to compute a new relevance score over preranked results.” (bản dịch) «dùng ngữ cảnh hoặc ý nghĩa ngữ nghĩa của truy vấn để tính điểm liên quan mới trên kết quả đã xếp hạng sơ bộ».
  • Nó chỉ xếp hạng lại danh sách ngắn, không phải toàn kho: “Semantic ranking reranks the existing result set, consisting of the top 50 results as scored by the default ranking algorithm.” (bản dịch) «Xếp hạng ngữ nghĩa sắp xếp lại tập kết quả hiện có, gồm 50 kết quả đầu do thuật toán mặc định chấm». Chỉ 50 kết quả đầu tiến vào xếp hạng ngữ nghĩa.

Bài blog tháng 5 năm 2026 của Bing về vai trò đang thay đổi của chỉ mục không gọi tên xếp hạng lại, nhưng nhấn mạnh rằng chất lượng truy xuất nay được đánh giá theo độ tin cậy khi hỗ trợ câu trả lời: “Retrieval systems must therefore optimize not just for one-shot retrieval, but for consistent, repeatable behavior across iterative use.” (bản dịch) «Do đó, hệ thống truy xuất phải tối ưu không chỉ cho một lượt truy xuất mà còn cho hành vi nhất quán, có thể lặp lại qua nhiều vòng sử dụng».

Xếp hạng lại trong RAG và tìm kiếm AI

Đây là nơi xếp hạng lại liên quan trực tiếp nhất đến AI Overviews, AI Mode, Copilot, ChatGPT Search và Perplexity. Trong quy trình RAG, xếp hạng lại là giai đoạn có tên giữa truy xuất và tạo sinh: nội dung được chia đoạn, từng đoạn được embedding và lưu trữ, truy vấn lấy các đoạn gần nhau theo độ tương đồng vector, bộ xếp hạng lại chấm các ứng viên, rồi chỉ những kết quả đứng đầu được chuyển cho LLM làm ngữ cảnh. Bộ xếp hạng lại là cánh cổng giữa “đoạn của bạn được truy xuất” và “đoạn thực sự được dùng”.

Cánh cổng đó có thể khắt khe. Trong hệ thống tìm kiếm AI, thường chỉ một phần nguồn đã truy xuất vượt ngưỡng xếp hạng lại để vào giai đoạn tạo sinh — được kéo vào tập ứng viên chỉ là giá vé vào cửa, không bảo đảm được trích dẫn. Nghiên cứu của Ahrefs về tối ưu cho tìm kiếm LLM nêu vấn đề: “AI companies don’t reveal how LLMs select sources, so it’s hard to know how to influence their outputs.” (bản dịch) «Các công ty AI không tiết lộ cách LLM chọn nguồn, nên rất khó biết cách tác động đến đầu ra». Xếp hạng lại là phần lớn của bước lựa chọn ẩn đó.

Xếp hạng lại và Reciprocal Rank Fusion (RRF)

Hai cơ chế này liên tục bị đánh đồng — kể cả trong nội dung SEO khá tốt — nhưng không giống nhau.

  • Xếp hạng lại chấm lại một tập ứng viên bằng cách dùng một mô hình (cross-encoder) đánh giá chung từng cặp truy vấn–tài liệu. Nó hỏi: tài liệu này thực sự liên quan đến truy vấn đến đâu?
  • Reciprocal Rank Fusion (RRF) hợp nhất nhiều danh sách đã xếp hạng — chẳng hạn kết quả BM25 với kết quả tìm kiếm vector, hoặc kết quả từ nhiều truy vấn fan-out — bằng cách thưởng cho tài liệu xuất hiện nhất quán giữa các danh sách. Bài giải thích Query Fan-Out của Ahrefs mô tả: “using reciprocal rank fusion (RRF) — a method that scores and merges multiple lists of results by rewarding those that appear consistently across them.” (bản dịch) «dùng Reciprocal Rank Fusion (RRF) — phương pháp chấm và hợp nhất nhiều danh sách kết quả bằng cách thưởng những kết quả xuất hiện nhất quán giữa các danh sách».

Cả hai có thể nằm trong cùng quy trình — semantic ranker của Azure thực sự xếp hạng lại trên tập đã xếp bằng BM25 hoặc RRF — nhưng RRF là bước hợp nhất danh sách (không mô hình nào đọc nội dung), còn xếp hạng lại là bước chấm nội dung (mô hình đọc truy vấn và đoạn cùng nhau). Cách phân biệt cần nhớ: RRF kết hợp danh sách; xếp hạng lại đọc lại nội dung.

Lịch sử ngắn: BM25 → RankBrain → BERT → bộ xếp hạng lại LLM

Xếp hạng lại không mới — đó là tên hiện đại của mô hình tìm kiếm đã dùng nhiều năm. Tôi trình bày tiến trình này trong bài nói Ahrefs Evolve 2025 GEO? AEO? LLMO? Chuyện gì đang xảy ra với AI?:

  • BM25 / truy xuất từ vựng — cách chấm khớp từ khóa cổ điển vẫn dùng để thu hẹp ban đầu.
  • RankBrain (2016) — hệ thống xếp hạng học máy đầu tiên của Google, hiểu từ như khái niệm.
  • BERT / DeepRank (2019) — hiểu ngôn ngữ theo ngữ cảnh ở cấp đoạn; bắt đầu kỷ nguyên xếp hạng lại kiểu cross-encoder.
  • Bộ xếp hạng lại dựa trên LLM hiện đại (RankEmbed và cross-encoder thời RAG) — bộ xếp hạng lại neural nay nằm giữa truy xuất và tạo sinh trong tìm kiếm AI.

Hình thức nhất quán xuyên suốt: trước tiên truy xuất rộng, rẻ; sau đó sắp xếp chính xác, tốn kém trên danh sách ngắn.

Điều này có ý nghĩa gì với nội dung và SEO

Vì cross-encoder chấm truy vấn và đoạn của bạn cùng nhau, tác động thực tế củng cố những phương pháp tốt bạn đã biết — nay có cơ chế giải thích:

  • Viết đoạn tự đủ nghĩa. Bộ xếp hạng lại phần lớn chấm riêng đoạn so với truy vấn. Một phần chỉ hiểu được trong ngữ cảnh ba đoạn phía trên sẽ kém hơn câu trả lời hoàn chỉnh. Điều này liên hệ trực tiếp với xếp hạng đoạn và chia đoạn.
  • Trả lời câu hỏi cụ thể gần đầu phần. Câu trả lời trực tiếp đạt điểm tốt hơn phần dẫn dài. Đưa đáp án trước rồi giải thích.
  • Giảm mơ hồ. Đại từ và cách nói phụ thuộc ngữ cảnh (“như đã nói ở trên”, “cách này”) chỉ giải nghĩa ở nơi khác khiến đoạn khó chấm riêng. Hãy gọi tên đối tượng.
  • Truy xuất vẫn là điều kiện tiên quyết. Xếp hạng lại chỉ thấy thứ mà truy xuất chuyển tới. Trang không thể thu thập, lập chỉ mục hoặc không bao giờ được truy xuất sẽ không đến bộ xếp hạng lại. Sửa khả năng được tìm thấy trước; tối ưu đoạn sau.

Không điều nào trong số này là nút bạn gửi cho Google. Vẫn là lời khuyên “hãy rõ ràng và dễ được tìm thấy”, nhắm vào đúng giai đoạn — lượt xem xét thứ hai — quyết định nội dung truy xuất nào thực sự được dùng.

Thêm ghi chú chuyên gia

Ghim trích dẫn chuyên gia

Người mới? Hãy tạo hồ sơ chưa có người xác nhận cho họ tại /admin/experts/ → Ghim trích dẫn chuyên gia trước.