早期FIRST重现及单标记解码改进以实现快速列表重排名

本研究针对大型语言模型（LLMs）在列表重排名中的高计算需求，提出FIRST方法，通过集成学习排名目标并利用首个生成标记的logits，显著降低推理延迟。实验验证了FIRST在TREC深度学习数据集上的有效性，并发现不同首阶段检索器对重排名效果的影响，表明此方法可以在提高效率的同时维持跨领域的重排名质量。