标签
SMART是一个框架，能够解锁单向量模型中的潜在多向量能力，用于多模态检索，通过对比训练和后期交互推理，在降低计算成本的同时提升最先进的性能。
在 Hugging Face 上发布了一个内核，通过使用分块评分和 SIMD 组矩阵运算（Metal 和 WMMA）来加速 MaxSim 后期交互检索，比朴素实现获得了 3–5 倍的加速。
LightOn 使用一个 1.5 亿参数的后期交互模型，达到了 GPT-5 级别的深度研究检索性能，这是一项了不起的成就。
本文强调了 ColBERT 模型如何凭借延迟交互（late interaction）技术和极少微调，尽管体积更小且发布时间更早，仍优于 Qwen3-embed-8B 等更大规模的模型。
LightOn 发布了 Agent-ModernColBERT，这是一个拥有 1.49 亿参数的开源检索模型。通过将在查询中整合智能体推理轨迹，其性能可与 GPT-5 搭配 Qwen3-Embed-8B 相媲美。
新论文表明，后期交互检索模型的表示可替代原始文档文本，在RAG任务中拓展其应用边界。
一场主题演讲认为，后期交互检索（如 ColBERT 风格）是 AI 规模信息检索研究中最具前景的方向，并指出单向量密集检索存在根本性缺陷，呼吁信息检索社区大幅提升研究雄心。演讲引入 LIMIT 基准测试，作为密集检索泛化能力不足的佐证，并呼吁在 2030 年前实现范式转变。