本研究提出了一种受 $ ext{l}_0$ 启发的稀疏化方法，旨在提高稀疏检索模型在无推理场景下的效率。评估结果表明，该方法在 BEIR 基准测试中表现优异，与主流模型相当，揭示了检索效果与计算效率之间的权衡，具有实际应用价值。

本研究针对BEIR基准仅支持英语的问题，提出了BEIR-NL，通过自动翻译评估多种多语言模型。结果表明，BM25方法具有竞争力，但大型密集模型表现更优。

BEIR是一个信息检索模型评估基准，BM25表现优异。BIRCO基准用于评估多目标检索能力。研究了CoaCor代码检索方法，通过强化学习提升性能。UniIR是一个统一的多模态检索系统，能够处理多种检索任务，展现出良好的泛化能力。