研究表明，最新的多语言编码器在无监督的文档级和句子级跨语言信息检索中表现不如早期模型，但在监督学习下可提高准确率。提出了轻量级跨语言检索算法和混合模型HYRR，优化了波兰语信息检索资源，评估了多种检索模型的性能，最终实现了长上下文文本表示模型的突破。

研究表明，大型语言模型在非洲语言的跨语言信息检索中表现出色，尤其在英语中效果最佳。为提升低资源语言的表现，提出了扩展词汇、双语预训练和高质量指令数据集等策略。分析显示，现有模型在多语言能力上超出预期，但需解决语言不平衡和偏见问题。

该论文研究了一种改善跨语言信息检索系统召回率的新技术，通过多级翻译、语义嵌入扩展和基于用户轮廓的增强技术。实验结果显示，该方法在新闻和Twitter数据集上相对于基线BM25排序在ROUGE指标方面表现出优越性，并且保持了语义的准确性。该框架有望改善对用户语言细微差别的感知性。