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。

该文介绍了一种跨语言事实核查框架，利用自监督算法和翻译的文章标题来创建训练实例，并在多种语言下实现证据的汇集。在X-Fact数据集上，该方法在零-shot跨语言设置下，绝对F1上获得了2.23%的改进。

通过创建新数据集、使用跨语言查询和提出多阶段框架，实现了跨语言检索任务中已证伪叙述的横跨不同领域和零-shot学习。多阶段检索框架表现出鲁棒性，胜过了BM25基线，并且在不显著损害模型性能的情况下进行了跨领域和零-shot学习。