13:46arXiv cs.AI@Ziwei Su, Junyu Ren, Victor Veitch该论文研究了对比嵌入模型中,尽管训练损失是尺度不变的且通常使用余弦相似度,但嵌入向量的范数(norm)却意外地与概念特异性、词频和人类不确定性等语义属性相关。作者通过分析优化动力学,推导出一个解析公式,证明嵌入长度作为训练过程的副产品自然地编码了这些信息。研究还展示了这种信号如何在特定模型和检索任务中作为“免费”校准工具使用,为之前仅基于经验的观察提供了理论解释。论文对比嵌入嵌入范数语义特异性校准优化动力学推荐理由:一篇理论论文,解释了为什么对比嵌入模型的向量长度能反映语义,以后做检索任务可以白捡校准信号。原文