English(EN) Steering beyond Language: Improving Multilingual Training-Free Text Embeddings via Paired-Residual Subspace Removal

新方法改进了冻结LLM的多语言文本嵌入

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-19 04:00

研究人员推出了一种新方法——配对残差子空间移除（PRSR），用于改进冻结的大型语言模型（LLM）的多语言文本嵌入。与以往专注于英语的方法不同，PRSR通过将特定语言的变异与语义内容分离开来，解决了跨语言语义等效句子的不对齐问题。该技术包括从平行句子构建配对残差，以识别特定语言的偏差，然后抑制模型表示中的这些成分。在MTEB和MMTEB等基准以及跨语言双语文本挖掘的18种语言上的广泛评估表明，PRSR能够持续提升现有无训练嵌入方法的性能。 AI

影响增强了冻结LLM的多语言能力，可能改进跨语言搜索和理解。

排序理由该集群包含一篇详细介绍改进多语言文本嵌入新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 20 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍改进多语言文本嵌入新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Ailiang Lin, Zhuoyun Li, Yusong Wang, Keyu Mao, Kotaro Funakoshi, Manabu Okumura · 2026-10-19 04:00

超越语言：通过配对残差子空间移除改进多语言无训练文本嵌入

arXiv:2610.23807v1 Announce Type: new Abstract: While deriving text embeddings directly from frozen LLMs has emerged as a promising direction, existing methods focus almost exclusively on English, leaving multilingual settings largely unexplored. In this work, we present the firs…

本文如何被排名

报道来源 [1]

超越语言：通过配对残差子空间移除改进多语言无训练文本嵌入

相关实体

相关话题