人工智能的浪潮正將我們推向一個由 RAG 和 AI Agent 定義的新時代。然而，要讓這些智能體真正「智能」，而非僅僅是信息的搬運工，就必須攻克一個橫亙在所有頂尖團隊面前的核心難題。這個難題，就是推理密集型信息檢索（Reasoning-Intensive IR）。

它不僅是當前 RAG 和 AI Agent 技術(shù)發(fā)展的關(guān)鍵瓶頸，更對大模型智能體和深度研究（DeepResearch）等應(yīng)用場景的成敗具有決定性意義。

正當全球研究者都在為此尋求突破之際，我們看到了一項來自中國的貢獻：BGE-Reasoner。

BGE-Reasoner 由來自中國科學技術(shù)大學、智源研究院、北京郵電大學與香港理工大學等機構(gòu)的聯(lián)合團隊研發(fā)，是一套用于推理密集型信息檢索任務(wù)的創(chuàng)新的端到端解決方案。通過系統(tǒng)性的查詢理解、向量檢索與重排序，該方案可顯著提升搜索引擎在推理密集型信息檢索任務(wù)中的表現(xiàn)。

在權(quán)威評測基準 BRIGHT 上，BGE-Reasoner 取得 45.2 的測試得分，以顯著優(yōu)勢刷新了該基準的最佳紀錄。

作為 BGE 系列模型的又一重要里程碑，BGE-Reasoner 不僅實現(xiàn)了性能上的突破，更為解決推理密集型檢索這一行業(yè)難題提供了一套行之有效的新范式。從技術(shù)洞察來看，本次成果的核心創(chuàng)新主要體現(xiàn)在以下三個方面：

1. 一個可復制的框架： 提出了一個由 Rewriter、Embedder 和 Reranker 組成的三階段模塊化框架，為處理復雜查詢提供了清晰、高效的工程范式。
2. 數(shù)據(jù)驅(qū)動創(chuàng)新： 探索并證明了利用大模型合成高質(zhì)量、多領(lǐng)域推理訓練數(shù)據(jù)的可行性，巧妙地解決了該領(lǐng)域訓練數(shù)據(jù)稀缺的核心瓶頸。
3. 強化學習賦能： 成功將強化學習應(yīng)用于 Reranker 訓練，讓模型在面對困難樣本時具備了更強的推理和泛化能力。

相關(guān)模型權(quán)重、訓練代碼及訓練數(shù)據(jù)即將面向社區(qū)開放，進一步推動該領(lǐng)域的研究與應(yīng)用發(fā)展。

項目主頁：https://github.com/FlagOpen/FlagEmbedding/tree/master/research/BGE_Reasoner

簡介

推理密集型信息檢索（Reasoning-Intensive IR）是近年來興起的一類新型信息檢索任務(wù)。與傳統(tǒng)檢索不同，它不僅依賴語義匹配，還需要綜合運用深層邏輯推理、多步語義鏈以及相關(guān)背景知識，才能在查詢與目標文檔之間建立起正確的語義關(guān)聯(lián)。

為推動該領(lǐng)域研究，香港大學、普林斯頓大學和斯坦福大學聯(lián)合提出了首個面向推理密集型檢索的權(quán)威評測基準 BRIGHT。該基準匯集了來自 StackExchange、LeetCode、數(shù)學競賽等領(lǐng)域的真實查詢，并將其與需要多步推理才能識別的相關(guān)文檔進行配對，用于評估檢索系統(tǒng)在復雜推理場景下的能力。

在 BRIGHT 基準下，傳統(tǒng)依賴關(guān)鍵詞匹配或簡單語義相似度的方法往往難以定位真正相關(guān)的目標文檔，暴露出當前檢索系統(tǒng)在復雜推理場景中的不足。因此，如何在推理密集型檢索中提升系統(tǒng)性能，成為推動檢索增強生成（RAG）在復雜推理任務(wù)中發(fā)展的關(guān)鍵問題。

圖 1. 不同于基于關(guān)鍵詞和直接語義匹配的檢索任務(wù)，BRIGHT 評測基準關(guān)注于推理密集型場景下的檢索任務(wù)

在這一背景下，BGE-Reasoner 在推理密集型檢索任務(wù)中展現(xiàn)出卓越性能。在 BRIGHT 榜單中，它超越了此前由螞蟻、百度、字節(jié)跳動、人民大學、滑鐵盧大學等機構(gòu)提交的成果，并以領(lǐng)先第二名 3.6 分的優(yōu)勢刷新紀錄。與此同時，其內(nèi)置向量模型 BGE-Reasoner-Embed 也大幅超越了 Seed1.5-Embedding、Qwen3-Embedding、GTE 等當前最強基線模型，展現(xiàn)了顯著的性能提升。

圖 2. 在 BRIGHT 榜單上，BGE-Reasoner 取得 SOTA 表現(xiàn)于 8 月 21 日榮登第一名，BGE-Reasoner-Embed 使用原生查詢即表現(xiàn)出色，在向量模型中取得 SOTA 結(jié)果，榜單鏈接：https://brightbenchmark.github.io

圖 3. BGE-Reasoner 及 BGE-Reasoner-Embed 與基線模型在 BRIGHT 上的檢索表現(xiàn)對比圖

技術(shù)分析

BGE-Reasoner 采用信息檢索中的經(jīng)典三模塊體系：

• 查詢理解 —— BGE-Reasoner-Rewriter：對初始查詢進行理解與改寫，生成更適合檢索的優(yōu)化查詢；
• 向量模型 —— BGE-Reasoner-Embed：與 BM25 協(xié)同利用改寫后的查詢進行檢索，獲取候選文檔集合；
• 排序模型 —— BGE-Reasoner-Reranker：對候選文檔進行重排序，得到更為準確的排序結(jié)果。

在實際工作流程中，用戶的原始查詢首先經(jīng)過 BGE-Reasoner-Rewriter 改寫，然后由 BGE-Reasoner-Embed 與 BM25 并行檢索得到候選文檔，最后交由 BGE-Reasoner-Reranker 進行精排。系統(tǒng)通過集成多路結(jié)果，輸出最終排序，完成端到端的推理式檢索流程。完整框架如下圖所示：

圖 4. BGE-Reasoner 的端到端檢索流程示意圖

數(shù)據(jù)合成。不同于傳統(tǒng)的開放式問答場景，推理密集型信息檢索場景下的訓練數(shù)據(jù)十分稀缺。為了解決這一問題，智源及合作機構(gòu)的研究團隊訴諸于基于大語言模型的數(shù)據(jù)合成策略。具體來說，基于現(xiàn)實場景中存在的知識密集型語料庫，合成出針對特定場景的高質(zhì)量推理密集型查詢，然后借助于大語言模型強大的理解能力為每個查詢構(gòu)造出高質(zhì)量的正例和負例。最終構(gòu)造出一份覆蓋數(shù)學、代碼等多個領(lǐng)域的高質(zhì)量推理密集型檢索訓練數(shù)據(jù)，為后續(xù)各個模塊的訓練提供支撐。

查詢理解。在查詢理解模塊中，研究人員基于前述合成數(shù)據(jù)，借助推理能力較強的教師模型生成多條推理路徑，并通過拒絕采樣策略篩選高質(zhì)量結(jié)果以構(gòu)建訓練樣本。隨后，利用這些訓練數(shù)據(jù)對 Qwen2.5-7B-Instruct 模型進行微調(diào)，從而顯著提升其在查詢理解與改寫方面的能力，最終得到 BGE-Reasoner-Rewriter。

向量模型。內(nèi)嵌的向量模型 BGE-Reasoner-Embed 基于 Qwen3-8B 基座模型進行微調(diào)。依托高質(zhì)量的合成訓練數(shù)據(jù)，模型在推理密集型檢索任務(wù)中的能力得到了顯著增強。在 BRIGHT 基準下，無論是基于原始查詢還是 GPT-4 推理查詢，BGE-Reasoner-Embed 均取得了當前向量模型中的最佳檢索表現(xiàn)，充分驗證了所構(gòu)建合成數(shù)據(jù)的有效性。

排序模型。內(nèi)嵌的排序模型 BGE-Reasoner-Reranker 基于 Qwen3 系列基座模型進行微調(diào)。結(jié)合任務(wù)場景下的相關(guān)性定義，模型能夠在查詢與候選文檔之間展開細粒度推理，識別關(guān)鍵信息片段并準確評估相關(guān)性。在訓練過程中，引入強化學習以提升模型在困難樣本上的推理能力；在推理階段，模型通過測試時擴展（test-time augmentation）獲取更加穩(wěn)健的相關(guān)性評分，從而進一步增強排序性能。

圖 5. BGE-Reasoner-Reranker 的推理過程示意圖

總結(jié)

BGE-Reasoner 的卓越表現(xiàn)充分驗證了強化學習與合成數(shù)據(jù)在推理密集型信息檢索中的重要作用，為未來 Agent Search 的發(fā)展提供了關(guān)鍵支撐。

智源研究院將持續(xù)深耕向量模型與檢索增強技術(shù)，不斷提升 BGE 系列模型的能力與通用性。未來期待與更多科研機構(gòu)及產(chǎn)業(yè)伙伴合作，共同推動檢索與人工智能的發(fā)展，歡迎研究者與開發(fā)者關(guān)注并使用 BGE 系列模型，共建開放繁榮的開源生態(tài)。