RAG / 检索增强生成

Xetrieval: Mechanistically Explaining Dense Retrieval

Xetrieval：机械解释稠密检索

Zhixin Cai, Jun Bai, Yang Liu, Jiaqi Li, Yichi Zhang, Taichuan Li, Zhuofan Chen, Zixia Jia, Zilong Zheng, Wenge Rong

机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

专题命中 向量检索 ：dense retrieval(title,abstract)；分类 cs.IR、cs.AI

AI总结 提出Xetrieval框架，通过嵌入级别的推理内化器和稀疏可解释特征分解，机械地解释稠密检索模型为何赋予高相关性分数。

Comments Code: https://github.com/Hihiczx/Xetrieval ; Project page: https://hihiczx.github.io/Xetrieval

Adapting Multilingual Embedding Models to Turkish via Cross-Lingual Tokenizer Surgery and Offline Distillation

通过跨语言分词器手术和离线蒸馏使多语言嵌入模型适应土耳其语

M. Ali Bayram, Banu Diri, Savaş Yıldırım

机构 * Yıldız Technical University（Yıldız技术大学） ； Istanbul Bilgi University（伊斯坦布尔比尔格大学） 纠错

专题命中 向量检索 ：retrieval-augmented generation(abstract)；分类 cs.CL

AI总结 提出一种高效的三阶段适应流程，通过跨语言分词器优化、教师模型克隆和离线蒸馏，构建了土耳其语句子嵌入模型embeddingmagibu-200m，在STSbTR上超越教师模型，并在TR-MTEB上以更少参数达到竞争性能。

Comments 14 pages, 2 figures, 4 tables, Appendix included