论文页面 - Xetrieval：密集检索的机理解释

来源：https://huggingface.co/papers/2605.29507

摘要

Xetrieval 是一个机理性框架，通过向句子嵌入注入推理信息并将其分解为可解释的稀疏特征，来解释密集检索中的决策。

解释为什么密集检索器（https://huggingface.co/papers?q=dense%20retrievers）会赋予高相关性分数仍然具有挑战性，因为检索决策（https://huggingface.co/papers?q=retrieval%20decisions）是通过不透明的高维嵌入（https://huggingface.co/papers?q=high-dimensional%20embeddings）做出的。现有解释通常聚焦于表层信号，如词汇匹配、词元对齐或事后文本理由，因此对形成密集检索行为的嵌入层潜在因素洞察有限。我们提出 Xetrieval，一个嵌入层的密集检索机理解释框架。Xetrieval 首先引入一个轻量级的推理内化器（https://huggingface.co/papers?q=reasoning%20internalizer），该内化器通过单次前向传播在嵌入空间（https://huggingface.co/papers?q=embedding%20space）中近似思维链推理（https://huggingface.co/papers?q=Chain-of-Thought%20reasoning），从而在避免昂贵的自回归生成的同时，用推理导向信息丰富句子嵌入。然后，它将这些推理增强的嵌入分解为稀疏的、人类可解释的特征（https://huggingface.co/papers?q=human-interpretable%20features），每个特征都与一段连贯的自然语言描述相关联。通过聚合多个文档视角下的稀疏特征重叠，Xetrieval 为单个检索决策（https://huggingface.co/papers?q=retrieval%20decisions）提供特征级解释（https://huggingface.co/papers?q=feature-level%20explanations）。在多种检索器和基准上的实验表明，Xetrieval 能发现连贯的可解释特征，产生更强的成对级干预效应（https://huggingface.co/papers?q=pair-level%20intervention%20effects），并支持任务级特征导向（https://huggingface.co/papers?q=task-level%20feature%20steering）。项目页面和源代码见 https://hihiczx.github.io/Xetrieval 。

查看 arXiv 页面（https://arxiv.org/abs/2605.29507）查看 PDF（https://arxiv.org/pdf/2605.29507）项目页面（https://hihiczx.github.io/Xetrieval/）GitHub12（https://github.com/Hihiczx/Xetrieval）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.29507）

在您的代理中获取此论文：

hf papers read 2605.29507

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

引用该论文的模型0

没有模型关联该论文

请在模型 README.md 中引用 arxiv.org/abs/2605.29507，以便在此页面中链接。

引用该论文的数据集0

没有数据集关联该论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.29507，以便在此页面中链接。

引用该论文的 Space0

没有 Space 关联该论文

请在 Space README.md 中引用 arxiv.org/abs/2605.29507，以便在此页面中链接。

包含该论文的收藏集0

没有收藏集包含该论文

请将此论文添加到一个收藏集（https://huggingface.co/new-collection）中，以便在此页面中链接。