LAMAR：具語言感知能力的開源多語言重排序模型
為何重要
語言連貫性是影響多語言 RAG 系統可靠度的關鍵因素，LAMAR 修補了現有多語言模型過度偏重語意重疊而忽略語言穩健性的問題。對於在中國市場等非英語環境部署應用的開發者來說，這項技術能顯著提升資訊檢索的準確性與使用者體驗。
在多語言檢索增強生成（RAG）應用中，現有重排序模型常忽略回傳文件的語言一致性，導致最終輸出不符合自然語言邏輯。本研究提出 LAMAR，一個專注於同時最佳化語意相關性與語言連貫性的開源 Cross Encoder 重排序模型。
- LAMAR 採用兩階段訓練策略：利用「English anchored relevance distillation」（英語為基礎的相關性知識萃取）建立跨語言一致的評分基準，並透過偏好對齊（preference alignment）強制提升與查詢語言相同的文件排名。
- 在針對語言連貫性設計的受控實驗中，LAMAR 在所有個別測試語言上都取得了最佳表現。
- 在實務檢索設定中，LAMAR 在重排序第一階段獲取的候選清單時，針對所有報告指標均取得最佳結果。