llm-rankers 是搜索知识领域的开源项目，由 ielab 开发，2023 年首次发布。
它收录于搜索知识分类，该分类目前共有 585 个项目，GitHub 星标数为 212。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-21。开源免费，需自行部署。
它主要面向的使用场景是：学术研究：对比不同LLM在文档重排序任务上的效果。同类可对比的替代方案包括 RankGPT、rerankers。
llm-rankers
用大模型给搜索结果重排序，几行代码跑通评测
llm-rankers 是一个用大语言模型做文档排序的开源 Python 库，聚焦信息检索中的重排序（reranking）环节。传统检索系统先用 BM25 等召回候选文档，再由重排序模型精排，而该项目把 LLM 引入这一流程，提供统一的接口来调用不同 LLM 完成相关性打分与排序。它解决的核心问题是：让研究者和工程师无需从零搭建，就能方便地对比多种 LLM 排序策略（如逐点打分、成对比较、列表排序等），并复用标准 IR 数据集与评测指标。核心能力包括：抽象出可插拔的排序器接口，支持本地模型与 API 模型，内置对常见检索数据集的加载与评测流程，方便做消融实验和基线对比。项目体量轻、代码清晰，适合作为 LLM 用于排序方向的研究起点或教学示例。
开源
free
搜索知识
GitHub 星标
★ 212
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队ielab
所属国家
定价模式free
价格说明开源免费，需自行部署
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型
GitHub 星标★ 212
30天Star增速
HF 下载量
上线时间2023-10-14 00:00:00
最近更新2026-09-21 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-25
浏览次数0
使用教程
核心亮点
- 统一封装多种 LLM 排序范式（pointwise/pairwise/listwise），方便横向对比
- 与标准 IR 数据集和评测指标打通，能直接复现实验、做基线
- 代码结构清晰、依赖轻，适合作为二次开发或教学模板
不足之处
- 星标仅 212，社区规模小，长期维护和更新节奏待观察
- 对大规模线上检索的工程化支持有限，更偏研究原型
适用场景
- 学术研究：对比不同 LLM 在文档重排序任务上的效果
- RAG 系统：对向量召回结果用 LLM 精排，提升答案相关性
- 教学演示：讲解信息检索中重排序与 LLM 的结合方式
替代项目
RankGPT、rerankers
项目介绍
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···