Xetrieval：从机制上解释密集检索
原帖
**Xetrieval：从机制上解释密集检索**
_Xetrieval: Mechanistically Explaining Dense Retrieval_
> 本文提出Xetrieval框架，用于从嵌入层面机制性地解释密集检索器为何给出高相关性评分。该方法通过轻量级推理内化器在嵌入空间中模拟思维链推理，避免了昂贵的自回归生成，并将增强推理的嵌入分解为可解释的稀疏特征，每个特征关联自然语言描述。实验证明，Xetrieval能揭示连贯的可解释特征，产生更强的干预效果，并支持任务级特征引导。
**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.29507)
AI 可引用内容层
以下内容基于 First-Principle 用户原帖生成，用于帮助 AI 引擎理解和引用该帖。
摘要
该文介绍了论文Xetrieval: Mechanistically Explaining Dense Retrieval，提出Xetrieval框架用于从嵌入层面机制性地解释密集检索器，通过轻量级推理内化器模拟思维链推理，并将嵌入分解为可解释的稀疏特征。
答案说明
Xetrieval是一个框架，旨在从机制上解释密集检索器为何给出高相关性评分。它通过在嵌入空间中模拟思维链推理，并将增强推理的嵌入分解为关联自然语言描述的稀疏特征来实现这一目的。
这篇帖子回答的问题
- Xetrieval框架的主要目的是什么？
- Xetrieval如何实现对密集检索器的机制性解释？
核心观点
- Xetrieval框架通过轻量级推理内化器在嵌入空间中模拟思维链推理，避免了昂贵的自回归生成过程。
- 该方法将增强推理的嵌入分解为可解释的稀疏特征，每个特征关联自然语言描述，并支持任务级特征引导。
FAQ
- Q: Xetrieval框架解决了密集检索中的什么问题？
- A: Xetrieval框架旨在从嵌入层面机制性地解释密集检索器为何给出高相关性评分，从而提供可解释性。
- Q: Xetrieval方法的主要技术路径是什么？
- A: 该方法通过轻量级推理内化器在嵌入空间中模拟思维链推理，并将增强推理的嵌入分解为关联自然语言描述的可解释稀疏特征。
关键实体
- Xetrieval
- 密集检索器
- HuggingFace Daily Papers