ColBERT
一种基于BERT的延迟交互（late interaction）检索模型，为文档保留多个token级别的向量，通过细粒度匹配提升召回精度，是多向量嵌入检索的重要先驱方法
时间轴 (近 90 天)
ViDoRe 采用 ColBERT 风格的延迟交互机制：文档被切成补丁，每个补丁生成一个稠密向量，查询同样编码为多向量，通过 MaxSim 逐向量最大相似度求和来打分。
ColBERT（Contextualized Late Interaction over BERT）由斯坦福大学于2020年提出，是后交互架构的奠基性工作
ColBERT的核心创新是MaxSim操作：对查询中每个token向量，在文档所有token向量中找到相似度最高的一个，将这些最大相似度分数求和得到最终匹配分数
ColBERT 由斯坦福大学于2020年提出，核心思想是查询端和文档端各自独立编码生成token级向量序列，检索时通过MaxSim操作得到相关性分数
ColBERT（Contextualized Late Interaction over BERT）是斯坦福大学Omar Khattab等人于2020年提出的高效神经检索模型，通过MaxSim操作在token级别计算细粒度匹配分数
ColBERT为代表的多向量检索为文档中每个token保留独立向量，通过后期交互（late interaction）机制实现更精细匹配
全部知识事实 (6)
ViDoRe 采用 ColBERT 风格的延迟交互机制：文档被切成补丁，每个补丁生成一个稠密向量，查询同样编码为多向量，通过 MaxSim 逐向量最大相似度求和来打分。
50%待验证ColBERT（Contextualized Late Interaction over BERT）由斯坦福大学于2020年提出，是后交互架构的奠基性工作
50%待验证ColBERT的核心创新是MaxSim操作：对查询中每个token向量，在文档所有token向量中找到相似度最高的一个，将这些最大相似度分数求和得到最终匹配分数
50%待验证ColBERT 由斯坦福大学于2020年提出，核心思想是查询端和文档端各自独立编码生成token级向量序列，检索时通过MaxSim操作得到相关性分数
50%待验证ColBERT（Contextualized Late Interaction over BERT）是斯坦福大学Omar Khattab等人于2020年提出的高效神经检索模型，通过MaxSim操作在token级别计算细粒度匹配分数
50%待验证ColBERT为代表的多向量检索为文档中每个token保留独立向量，通过后期交互（late interaction）机制实现更精细匹配
50%