hard-negatives

论文揭示，在使用困难负例进行评估时，大型语言模型中的跨语言有害性表征随资源层级退化，这挑战了先前关于安全表征在翻译后得以保留的结论。

本文提出了UniME-R1，一种用于统一多模态检索的嵌入器-顾问框架，该框架基于检索反馈生成检索中心思维链（RC-CoT），通过从硬负样本中学习来提升检索性能。

本文通过组合语义学的视角研究句子编码器中概念表征的原则，确定了四个关键原则：微调重新校准潜在几何结构，语义信号集中在最后一层，困难负样本提高区分性但不提高排序，监督有效性取决于组合类型。