针对 ColBERT 等多向量延迟交互(Late Interaction)检索模型在长文档 RAG 场景下物理存储开销高达单向量模型 10 至 30 倍的工程痛点,Hugging Face 核心开发者 Tom Aarsen 基于 Sentence Transformers 正式发布了 Token-Pooling-Aware(感知词元池化)训练与检索新配方。通过引入 MultiVectorTokenPoolingLoss 联合优化未压缩向量与 Ward 层次聚类压缩向量,并配合直通估计器与快达 150 倍的 CUDA…