LightOn开源多语言检索模型，登顶BEIR等四大榜单

antoine_chaffin · x · 2026-07-30

LightOn 发布了两款完全开源的 307M 参数多语言检索模型 mDenseOn 和 mLateOn。这两个模型在英文通用检索（BEIR）、长文档检索（MLDR）、多语言检索（MIRACL）以及代码检索（MTEB Code）基准测试中均取得了 SOTA 成绩。

模型基于此前验证的英文数据配方，通过 translate-train 扩展至八种额外语言，构建了包含 28 亿对数据的语料库。最引人注目的是，晚期交互模型（mLateOn）展现出了强大的零样本泛化能力，在完全没见过的语言和脚本（如西里尔字母、中日韩文）上也能保持竞争力，打破了传统翻译-训练管道的局限。模型、数据集和训练代码全部开源。