Rerankerizační modely hrají klíčovou roli v systémech, kde se kombinuje vyhledávání s generováním textu pomocí jazykových modelů. Ettin rodina rerankerů je navržena tak, aby zlepšila kvalitu výstupů tím, že přesněji identifikuje a řadí nejrelevantnější dokumenty pro daný dotaz. Takovéto modely jsou nezastupitelné v praktických aplikacích, kde je třeba kombinovat externí znalostní báze s generativními schopnostmi LLM. Nová řada představuje pokrok v optimalizaci pipeline pro retrieval-augmented generation, což je v současnosti jeden z nejčastějších přístupů k rozšíření znalostní základny jazykových modelů bez nutnosti jejich dalšího trénování.