ColBERT
基于 late interaction 的神经检索方法与实现,常用于高质量文本检索、RAG 召回增强和传统向量检索之外的相关性实验。
🎯适用场景:需要探索比普通 Embedding 检索更强相关性的 RAG 召回或搜索方案。
#神经检索#Late Interaction#RAG#信息检索#语义搜索
📊 仓库数据
Stars3,924
Forks473
语言Python
更新2026/8/26
📈 Stars 变化 ↑3 天 +5· 统计区间 8/24 03:32 → 8/26 16:51(3 天)
✅ 优点
- •相关性表达比单向量检索更细粒度
- •适合高质量检索和排序实验
- •在学术和工程检索社区有较多参考资料
⚠️ 限制
- •索引和推理成本通常高于普通单向量方案
- •工程落地需要额外处理存储、延迟和服务化
