同骨架对照实验：多向量检索在 13 个基准赢 9 个
tomaarsen · x · 2026-08-18
多向量检索到底有没有用？LightOn 用相同数据、相同 149M ModernBERT 骨架分别训练了 LateOn（多向量）与 DenseOn（dense），唯一区别是是否做池化。结果多向量在 13 个 NanoBEIR 数据集中赢下 9 个，平均 nDCG@10 为 0.6868 vs 0.6764，在完整 BEIR 上差距一致。v6.0 中各类 checkpoint（PyLate、Stanford-NLP ColBERT、ColPali 式 VLM 或裸骨架加新投影层）都通过同一个类加载。
所属事件:Sentence Transformers v6.0 发布，晚交互多向量模型成一等公民(33 条相关)→
「编程与Agent」频道最新
- 利用 AI Agent 整理证据集并生成发布报告实战 — CodeByPoonam · 2026-08-19
- 开发者多开三个 Codex 账号加一个 Claude 账号跑并行智能体 — ChanceKelch · 2026-08-19
- 并行任务用云 Agent 省心省电：开发者实测对比本地方案 — brandon_galang · 2026-08-19
- 研究称模型能检测欺骗并学会忽略，多智能体对齐受关注 — logangraham · 2026-08-19
- IBM Bob 实测 SWE-bench：解决 60.6% 真实 bug，单任务成本约 1 美元 — TejasKumar_ · 2026-08-19
- 开发者实测：接入 Apple Intelligence 后练习生成快约 5 倍 — JordanMorgan10 · 2026-08-19