论文页面 - SemBridge：通过多语言语义桥接实现稀疏编码器的语言迁移

来源：https://huggingface.co/papers/2605.26002

摘要

SemBridge 通过利用多语言桥接模型建立语义对齐，增强了跨语言稀疏编码器的适配能力，并提升了多语言的检索性能。

稀疏编码器 (https://huggingface.co/papers?q=Sparse%20encoders) 通过在词汇空间中表征词项重要性来实现高精度检索，但其以英语为中心的结构对非英语语言的语言迁移构成了关键障碍。为了克服这一结构性限制，我们提出了 SemBridge，这是一种新颖的嵌入初始化方法，专为稀疏编码器 (https://huggingface.co/papers?q=sparse%20encoders) 的跨语言适配 (https://huggingface.co/papers?q=cross-lingual%20adaptation) 而设计，通过利用多语言桥接模型 (https://huggingface.co/papers?q=multilingual%20bridge%20models) 来实现。SemBridge 使用多语言稠密嵌入作为桥梁，在源词汇表和目标词汇表之间建立语义对齐 (https://huggingface.co/papers?q=semantic%20alignment)。不同于直接依赖所有源语言词项，SemBridge 选择一小批语义相关的源语言词项，并用它们来初始化每个目标语言词项，从而有效过滤语义噪声，并将目标词项重构为核心同义词的精确线性组合。这加速了微调 (https://huggingface.co/papers?q=fine-tuning) 过程中的收敛，并提高了训练效率。跨五种语言和四种稀疏架构的大量实验表明，与现有基线相比，SemBridge 在零样本检索 (https://huggingface.co/papers?q=zero-shot%20retrieval) 中取得了优越性能，并在微调 (https://huggingface.co/papers?q=fine-tuning) 后持续提升了检索性能 (https://huggingface.co/papers?q=retrieval%20performance)。这些结果验证了 SemBridge 作为在不同语言环境中部署高性能稀疏检索系统的实用解决方案。

查看 arXiv 页面 (https://arxiv.org/abs/2605.26002) 查看 PDF (https://arxiv.org/pdf/2605.26002) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.26002)

在您的 Agent 中获取这篇论文：

hf papers read 2605\.26002

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用该论文的模型 0

未找到链接该论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2605.26002，即可从此页面链接该论文。

引用该论文的数据集 0

未找到链接该论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2605.26002，即可从此页面链接该论文。

引用该论文的 Space 0

未找到链接该论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2605.26002，即可从此页面链接该论文。

包含该论文的合集 0

未找到包含该论文的合集

将这篇论文添加到合集 (https://huggingface.co/new-collection) 中，即可从此页面链接该论文。