本研究探讨了神经检索模型如何编码与任务相关的属性，特别是词频。通过对西班牙语和中文数据集应用激活修补方法，确认了词频信息在不同语言中的普遍性，并强调了信息检索的可解释性和机器学习研究的可重复性。

ColBERTer是一个上下文化的神经检索模型，使用单向量检索、多向量细化和可选词汇匹配组件。通过学习每个文档中的项的唯一整词表示并删除不必要的词表示，减少文档的存储向量数量。ColBERTer提高了检索结果的可解释性和有效性，并具有多任务学习的特点。