LightOn发布307M参数开源多语言检索模型

antoine_chaffin · x · 2026-07-30

LightOn 团队发布了 mDenseOn 和 mLateOn 两款完全开源的 307M 参数多语言检索模型。这些模型基于包含 28 亿对查询与文档的大规模翻译训练语料库，支持 9 种自然语言及代码检索。

评估结果显示，mLateOn 在 BEIR、目标语言 MIRACL 和 MLDR 等基准上取得了最佳表现。此外，在未见过检索训练的语言和脚本上，mLateOn 展现出了远超 mDenseOn 的泛化能力（例如在 MIRACL 上平均得分 67.59 vs 57.42）。团队已全面开源模型、数据集和训练代码。