这份资料解决的问题

M3同时支持稠密向量、词汇稀疏表示和多向量检索，不能把三者都称为同一种向量搜索。论文讨论不同语言、文档长度和检索任务如何协同训练。建设中文知识库时，可据此设计短查询长文档、跨语言查询、编号精确检索三套测试，再决定是否需要混合检索和重排。

原始研究资料

原文题名：M3-Embedding: Multi-Linguality, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation。

作者：Chen, Jianlv、Xiao, Shitao、Zhang, Peitian、Luo, Kun、Lian, Defu、Liu, Zheng。

原始发表入口：M3-Embedding: Multi-Linguality, Multi-Functionality, Multi-Granularity Text Embeddings Through Self-Knowledge Distillation。本页上方提供完整、未经删改的原始PDF，可在线阅读或直接下载。中文文字是独立导读，不冒充全文译文；实验设置、算法公式、消融结果和附录以完整PDF为准。

原始文献及本文引用请保留作者、题名、原发表机构与原文地址。原文采用CC BY 4.0许可，本地副本保留原有署名和出版信息。

来源、翻译与版权说明

来源：原作者 · arXiv。第三方内容版权归原作者或发布机构所有；本站仅在许可证或明确授权允许时提供本地原文。