Xetrieval框架通过特征激发解释稠密检索

2026年10月23日，Zhixin Cai等人在arXiv发布Xetrieval框架，旨在解释稠密检索的相关性得分。该框架通过特征激发技术，将稠密嵌入分解为可解释的稀疏特征，以实现对相关度的归因与检索引导。其核心组件Feature Elicitors利用辅助视图使检索相关的语义显性化，并共享稀疏字典以学习可描述的特征。 研究通过干预原始文档嵌入，验证了所识别特征对相关性评分的影响。实验结果表明，相较于稀疏自编码器（SAE）基线，Xetrieval生成的特征具有更高的可解释性。此外，该框架识别出的特征集对检索器评分的影响更强，证实了其支持有效检索引导的能力，为理解黑盒检索模型提供了新路径。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。