Reranker模型如何构造数据微调？

回答思路

1. 说明Reranker输入输出特点及训练样本格式
2. 覆盖正负样本构造策略（如难负样本、随机负样本、硬负样本）
3. 讲解数据来源与增强方法（如交叉编码生成、伪标签、硬负样本挖掘）
4. 阐述微调时的损失函数选择（如二分类交叉熵、Listwise损失）
5. 说明数据质量控制和评估验证方法