Son illərdə mətn embedding modelləri, xüsusilə Sentence Transformers üzərində qurulmuş modellər, informasiya axtarışı və semantik axtarış sahələrində əsas alətlər kimi ortaya çıxmışdır. Çoxvektorlu və ya Gecikmiş Qarşılıqlı Təsir (Late Interaction) modelləri mətn vektorlarının erkən birləşməsini (early fusion) həyata keçirmək əvəzinə, xüsusiyyətləri çıxardıqdan sonra hər bir tokenin yerli xüsusiyyətləri arasında gecikmiş qarşılıqlı təsir həyata keçirir; bu yanaşma ColBERT və Çoxvektorlu Embedding kimi modellərdə istifadə olunur və reytinq dəqiqliyində əhəmiyyətli bir təkmilləşməyə səbəb olur.
Bu texnika sorğular və sənədlər arasında daha dəqiq müqayisələr aparmağa imkan verir, eyni zamanda hesablama səmərəliliyini qoruyur, çünki hər bir token hədəf mətn tokenləri ilə fərdi şəkildə müqayisə edilir və nəticələr sonra birləşdirilir. Son tədqiqatlar göstərmişdir ki, bu yanaşmanın qabaqcıl Sentence Transformers arxitekturaları ilə birləşdirilməsi yalnız emalı sürətləndirmir, həm də modelin semantik konteksti başa düşmək qabiliyyətini dərinləşdirir. Nəticədə, gecikmiş qarşılıqlı təsirə malik çoxvektorlu modellər informasiya axtarışı və təbii dil emalında mühüm bir irəliləyiş kimi qəbul edilir.