1、文本rerank：
这里介绍的是目前比较流行和通用一套方案：先利用特征检索（这里是特征空间上的相似度），召回相关信息，然后对query与召回的相关信息进行rerank（这里是利用cross-encoder网络做一个分类任务）。
参考链接：https://zhuanlan.zhihu.com/p/710519449
2、图像rerank：
与文本rerank思想类似：向量检索之后，再做rerank精排。
这里多说一句，随着目前llm的流行，针对文本已有不同语言的通用rerank模型，但是目前仍未看到通用的图像rerank模型与多模态rerank模型。
参考链接：https://zhuanlan.zhihu.com/p/612834693
