AAI News Hub
ModelosTue, August 18, 2026·1d ago

Sentence Transformers incorpora recuperación multivectorial

La versión 6.0 introduce MultiVectorEncoder para modelos de interacción tardía al estilo ColBERT.

Por qué importa

El lanzamiento lleva la recuperación con interacción tardía a una biblioteca de embeddings de uso extendido, reduciendo la fricción de integración para equipos que construyen sistemas de búsqueda y RAG. También amplía Sentence Transformers hacia flujos de recuperación visual de documentos que pueden comparar consultas de texto con imágenes de páginas sin OCR.

Puntos clave

  • 1.Sentence Transformers v6.0 añade MultiVectorEncoder.
  • 2.Los checkpoints de PyLate y ColBERT pueden cargarse directamente.
  • 3.La interacción tardía mejora la coincidencia, pero aumenta el tamaño del índice.

Hugging Face dijo que Sentence Transformers v6.0 añade un cuarto tipo de modelo, MultiVectorEncoder, para recuperación con interacción tardía al estilo ColBERT. La actualización permite cargar directamente checkpoints de PyLate y Stanford-NLP ColBERT, y también admite modelos de recuperación visual de documentos de colpali-engine mediante la misma API usada para modelos densos, dispersos y reranker. Los modelos multivectoriales conservan un vector por token y puntúan con MaxSim, lo que mejora la coincidencia a nivel de token a costa de índices más grandes.

Pruébalo hoy

Actualiza Sentence Transformers y prueba MultiVectorEncoder en consultas de recuperación donde importen los términos exactos o requisitos de varias partes.

Fuentes y cobertura original

Este resumen sintetiza y enlaza la cobertura de los medios siguientes.

¿Te gustó este resumen? Recibe el próximo en tu correo.

Más en Modelos