微调bge-reranker-v2-minicpm-layerwise，添加教师分数脚本用的compute score是不是应该跟推理原生模型时一样?

[zhangying950]

加载Reranker模型

loaded_reranker_model = LayerWiseFlagLLMReranker(
'path_to_original_bge-reranker-v2-minicpm-layerwise',
model_class='decoder-only-layerwise',
query_max_length=256,
passage_max_length=1024,
use_fp16=True,
devices=['cuda:1']
)

推理：
scores = compute_score(pairs, cutoff_layers=[28]，normalize=True)

添加教师分数：
scores = compute_score(pairs, cutoff_layers=[28])

这样得到的教师分数可以用于finetune吗？cutoff_layers、normalize是需要的吗？

[545999961]

可以用scores = compute_score(pairs, cutoff_layers=[28])获得教师分数，normalize是不需要的，cutoff_layers视情况而定