در سالهای اخیر، مدلهای تعبیهٔ متنی بهخصوص آنهایی که بر پایهٔ Sentence Transformers ساخته شدهاند، بهعنوان ابزارهای کلیدی در زمینهٔ بازیابی اطلاعات و جستجوی معنایی شناخته میشوند. مدلهای چند‑برداری یا Late Interaction، بهجای ترکیب زودهنگام بردارهای متن، پس از استخراج ویژگیهای محلی هر توکن، تعامل دیرهنگام بین این ویژگیها را انجام میدهند؛ روشی که در مدلهایی نظیر ColBERT و Multi‑Vector Embedding بهکار رفته و باعث بهبود قابل توجهی در دقت رتبهبندی میشود.
این تکنیک با حفظ کارایی محاسباتی، امکان مقایسهٔ دقیقتر بین پرسشها و اسناد را فراهم میکند؛ چرا که هر توکن بهصورت جداگانه با توکنهای متن هدف مقایسه میشود و سپس نتایج ترکیب میشوند. پژوهشهای اخیر نشان دادهاند که ترکیب این رویکرد با معماریهای پیشرفتهٔ Sentence Transformers، نه تنها سرعت پردازش را بالا میبرد، بلکه توانایی مدل را در درک زمینهٔ معنایی عمیقتر میکند. بنابراین، مدلهای چند‑برداری با تعامل دیرهنگام بهعنوان یک پیشرفت مهم در حوزهٔ بازیابی اطلاعات و پردازش زبان طبیعی مطرح هستند.