النماذج اللغوية المدربة مسبقًا بعمق (مثل BERT) فعّالة في مهام استرجاع النصوص على نطاق واسع. تبنت أنظمة استرجاع النصوص الحالية ذات الأداء الرائد عمومًا هندسة استرجاع ثم إعادة الترتيب بسبب التكلفة الحسابية العالية للنماذج اللغوية المدربة مسبقًا وحجم السجلات الكبير. تحت هذه الهندسة متعددة المراحل، ركزت الدراسات السابقة بشكل أساسي على تحسين مرحلة واحدة من الإطار مما يعزز الأداء العام للاسترجاع. ومع ذلك، لم يتم دراسة كيفية ربط الخصائص متعددة المراحل مباشرةً بشكل جيد. في هذا البحث، نصمم نظام HLATR (Hybrid List Aware Transformer Reranking) كوحدة إعادة ترتيب لاحقة لدمج خصائص مرحلتي الاسترجاع وإعادة الترتيب. يتميز HLATR بالخفّة ويمكن ربطه بسهولة مع أنظمة استرجاع النصوص الحالية بحيث يمكن تنفيذ عملية إعادة الترتيب في عملية واحدة وكفاءة عالية. أظهرت التجارب التجريبية على مجموعة بيانات كبيرة لاسترجاع النصوص أن HLATR يمكنه تحسين أداء الترتيب لأنظمة استرجاع النصوص متعددة المراحل الحالية بكفاءة.