深度分析
Refine Thought (RT):測試階段多次前向提升文本嵌入模型語意推理能力
研究針對文本嵌入模型在語意推理任務上的深度不足,提出測試時多次前向的 Refine Thought 方法,透過時間展開提升推理步數,實驗在 BRIGHT 與 PJBenchmark 上取得顯著改善,同時在 C‑MTEB 上維持穩定表現。此方式不同於一次前向或CoT,透過測試時展開提升推理深度,預期有助檢索與代理系統。
深度分析
研究針對文本嵌入模型在語意推理任務上的深度不足,提出測試時多次前向的 Refine Thought 方法,透過時間展開提升推理步數,實驗在 BRIGHT 與 PJBenchmark 上取得顯著改善,同時在 C‑MTEB 上維持穩定表現。此方式不同於一次前向或CoT,透過測試時展開提升推理深度,預期有助檢索與代理系統。
深度分析
本研究評估三款大型語言模型(Gemini‑3、GPT‑5.4、Qwen‑3.6)對高階訊息序列圖(HMSC)形式語意的理解能力。透過 129 項語意任務,涵蓋事件識別、事件排序、抽象化、組合,以及從 MSC 推導軌跡與標記轉移系統等檢驗面向。整體準確度約一半;