Repetition Improves Language Model Embeddings论文阅读笔记

• 文章提出了一种提高decoder-only LLM的embedding能力的方法，叫echo embeddings
• last-token pooling（即直接选最后一个token作为句子的embedding）和直接mean pooling都不如文章提出的echo embedding，做法是把句子重复两次，然后取第二次的token是的mean pooling。mean pooling的缺点是太强调句子的前面部分，last-token pooling是太强调句子的后面部分，而重复两次后，第二次的句子的起始token也包含了完整句子的语义，从而不会出现直接mean pooling的问题。
• 另外一点是，输入要添加一些instruction以鼓励第二次的句子编码包含完整句子信息，如下：