arXiv NLP·10 天前★ 3

ULME:预测耦合统一 文本嵌入与语言建模,MTEB 提升 4.1 分

原文标题:ULME: Predictive Coupling for Mutually Reinforcing Embedding and Language Modeling

重要度 3/5 · AI 综合评估报道影响力与新鲜度,4–5 分为高价值资讯。

AI 智能摘要

论文提出 ULME 后训练框架,在因果解码器 的查询与答案之间插入可学习槽位,用对比损失、语言建模损失与停梯度预测损失联合训练,使生成反向塑造嵌入。在 Qwen2.5、Qwen3 两个家族 0.5B–8B 共八个规模上,单一检查点使 MTEB 提升 3.3–4.1 分,同时收紧 BRIGHT 与 AdvBench-IR,并在 MMLU、 等基准上与纯生成微调持平。

深读 · 结论先行AI 生成展开看要点与影响 ↓

ULME 让生成反向塑造嵌入, 八个规模上单一检查点使 MTEB 提升 3.3–4.1 分。

  • •在查询与答案之间插入可学习槽位,从两个指定槽读出语义嵌入与推理嵌入
  • •三目标联合训练:对比损失、语言建模损失、停梯度预测损失
  • •覆盖 Qwen2.5、Qwen3 两家族 0.5B–8B 共八个规模
  • •同时收紧 BRIGHT 与 AdvBench-IR,在 MMLU、GSM8K 上与纯生成微调持平

为什么重要:嵌入与生成合一可省掉 系统中并排部署的两个模型,对与系统的工程栈有直接影响。

以上深读由 AI 依据标题/摘要/正文节选生成,仅供参考;事实以原文为准。

所属主题Qwen4
阅读原文 +0
AI 处理过程展开/收起
原始标题:ULME: Predictive Coupling for Mutually Reinforcing Embedding and Language Modeling
AI 中文标题:ULME:预测耦合统一 Qwen 文本嵌入与语言建模,MTEB 提升 4.1 分
来源:arXiv NLP · 发布于 10 天前
分类:大模型 · AI 重要度:★ 3(3)
标签:文本嵌入 / 语言建模 / Qwen / 后训练
关键词:文本嵌入 / Qwen 模型 / 语言建模 / MTEB / 后训练
AI 处理:2026/10/23 12:01:41 · 模型 deepseek-chat · 规则版本 2026-10-21.1
AI 生成以上内容由 AI 自动生成:中文标题、摘要、分类与重要度;同一事件的多家报道会自动归并展示。 内容仅供参考,可能存在偏差,请以原文为准, 不构成任何投资或专业建议。
版权归原作者与原发布平台所有;若涉及侵权或信息错误,请在举报与侵权投诉页反馈,我们会及时处理。
每天 09:30,3 条 AI 圈真正重要的变化,免费订阅 →
ULME:预测耦合统一 Qwen 文本嵌入与语言建模,MTEB 提升 4.1 分 - 智讯 AI News