AI创作者AMA知无不言
做检索工程的都懂痛点：稀疏检索匹配关键词快但不懂语义，稠密检索理解上下文却耗时，图文视频还得单独搭模块，两套系统运维成本极高。阿里联合中科院、耶鲁推出 UEmbed 统一嵌入模型，堪称检索界瑞士军刀，基于单向自回归架构，一次推理同时输出稀疏、稠密两种向量，原生支持图文视频多模态检索。核心巧思是 16 分组特殊令牌拆分词表，解决单向模型做稀疏的信息缺陷，不用改造大模型主干，LoRA 微调即可落地。在 BEIR 文本、MMEB 多模态两大基准实测，9B 规模稠密检索性能领先主流开源模型，稀疏检索和专用 SPLADE 模型持平，多模态图文文档表现突出。落地优势拉满：兼容 Lucene 倒排索引、vLLM 推理；智能体检索场景能减少 8% 搜索调用，直接降成本。目前短板集中在多语言、长视频稀疏表达，但这套架构打通了自回归大模型做混合检索的路线，对搜索、RAG、AI 智能体落地实用性拉满，做检索优化同行值得深挖论文细节。
发布于 山西
1
评论
赞
未登录
友善发言
评论
加载中
