关于reranker重排的使用方式

[mrx-data]

` docs = await run_in_threadpool(search_docs, query=query, knowledge_base_name=knowledge_base_name, top_k=top_k, score_threshold=score_threshold)

    # 加入reranker
    if USE_RERANKER:
        reranker_model_path = MODEL_PATH["reranker"].get(RERANKER_MODEL,"BAAI/bge-reranker-large")
        print("-----------------model path------------------")
        print(reranker_model_path)
        reranker_model = LangchainReranker(top_n=top_k,
                                        device=embedding_device(),
                                        max_length=RERANKER_MAX_LENGTH,
                                        model_name_or_path=reranker_model_path
                                        )
        print(docs)
        docs = reranker_model.compress_documents(documents=docs,
                                                 query=query)
        print("---------after rerank------------------")
        print(docs)

` 关于reranker这个相关模型的使用，如果只是把其他Embedding 模型已经查出来的数据，重新微调排序，然后topk又不变，这个东西的意义好像不大啊，还会造成额外耗时 能否解答一下我这个疑惑呢？