介绍了一种新的嵌入模型M3-Embedding，支持多语言和跨语言检索任务，能够处理不同粒度的输入，通过自知识蒸馏方法和优化批处理策略增强训练质量和嵌入的区分性。M3-Embedding是第一个实现如此通用性的嵌入模型。

本文提出了一种新的自知识蒸馏方法，通过孪生表示学习最小化给定样本的两个不同视图的表示向量之间的差异，利用软标签蒸馏和表示向量的相似性，生成更一致的预测和表示。在标准数据集上验证了其显着提高精确度的效果。

本文介绍了一种新的自知识蒸馏方法，通过孪生表示学习最小化给定样本的两个不同视图的表示向量之间的差异，并利用软标签蒸馏和表示向量的相似性，生成更一致的预测和表示。在多个标准数据集上验证了其显著提高精确度的效果。