Modele neuronowe Od końca drugiej dekady XXI wieku w rankingu stosuje się modele oparte na wstępnie wytrenowanych sieciach transformerowych. Wyróżnia się dwa zasadnicze schematy: modele dwukodujące (ang. bi-encoder), w których zapytanie i dokument są kodowane niezależnie do postaci gęstych wektorów, a ocenę wyznacza się jako ich podobieństwo. Osadzenia dokumentów można wyznaczyć z wyprzedzeniem i zaindeksować, co pozwala stosować to podejście do całej kolekcji (wyszukiwanie gęste, ang. dense retrieval), modele kodujące łącznie (ang. cross-encoder), w których zapytanie i dokument przetwarzane są razem, co pozwala modelować interakcje między ich fragmentami. Ze względu na koszt obliczeniowy stosuje się je tylko do ponownego uporządkowania niewielkiej liczby kandydatów.
Z ograniczeń tych wynika architektura kaskadowa: pierwszy etap zawęża kolekcję do kilkuset kandydatów tanią metodą (BM25 lub wyszukiwanie gęste), a kolejne etapy porządkują ich coraz dokładniej, lecz coraz kosztowniej.