研究揭示多语言检索器共享索引埋没正确文档，提出免训练修复
_reachsumit · x · 2026-10-14
论文发现多语言稠密检索器存在一个反直觉问题：同一问题用不同语言提问，共享索引下检索到的文档差异巨大，而这并非语言理解能力弱——每种语言单独看都表现良好、排序一致，分歧只出现在共享索引中：各语言的正确答案被排得很靠后，埋在本语言或英文的非相关文档之下。
- 提出 disagreement-guided steering（分歧引导转向）：对比其他语言对同一问题共识的文档与该语言特有检索的文档，取表示差作为语言特定方向，在推理时加到该语言的查询上
- 免训练，无需微调模型
- 相比去语言均值、子空间移除、按语言旋转等基线，最能缓解同语言挤占，召回率保持竞争力
- 与保留排序质量更好的均值移除方法存在权衡
「研究」频道最新
- 小鹏发布自动驾驶 VLA 模型 AUGUstus，NAVSIM 双榜 SOTA 并实车部署 12Hz — XPENG-AI · 2026-10-14
- 阿里联合南洋理工系统评测对比学习策略：多数花式技巧收效甚微 — alibaba-multimodal-industrial-ai · 2026-10-14
- Lightricks 推出 APEX：层级潜空间+异步去噪，实现 64-128 倍极致压缩 — Lightricks · 2026-10-14
- EMHO：冻结模型不变，让具身智能体框架从经验轨迹自我进化 — Hyun Jung Lee · 2026-10-14
- 港中深等发布 WorldCast：分布式多人世界模型，CS2 上实时运行 — CUHKSZ · 2026-10-14
- 高丽大学发布 MixLID：token 级混合语言识别模型，覆盖 111 种语言 — Seongtae Hong · 2026-10-14