共享还是双投影？研究者用偏差—方差边界给出判据，并让CARS在五个数据集上把遗憾降低49–96%
核心概要
该工作为稠密检索中共享投影与双投影的选择建立了低秩双线性打分的偏差—方差理论，证明双投影在方向信号平方超过其额外自由度估计代价时风险更低，并据此提出交叉拟合的CARS选择器，在多个数据集与嵌入模型上使平均几何选择准确率达到90.1%、相对更优固定几何把留出遗憾降低49–96%。
深度剖析
论文刻画了两类投影的算子几何：共享投影诱导半正定算子，双投影可实现任意低秩算子，并给出共享投影的精确近似损失。 此前稠密检索中共享与双编码器的比较多为经验性，缺少何时值得增加非对称自由度的理论判据；该工作把这一选择写成算子类之间的精确近似差距。 定理1给出精确的共享近似误差，分解为斜对称能量、负特征值与被丢弃的正特征值三项，并在附录A给出证明；检索解释部分把该差距等价为白化后单位负分二阶矩约束下最优秩正负分离的平方差距。
论文在局部高斯模型下证明了一个相变边界：双投影的风险严格更低，当且仅当其平方方向信号超过额外自由度的估计代价。 这把“双投影更灵活但更易过拟合”的直觉转化为可计算的阈值，并给出双投影独有切向方向数的显式计数。 定理2给出局部估计代价与双投影独有方向数，推论1给出相变条件；附录B给出切空间维度、最近点投影导数与风险收敛的证明，并说明该结论的局部性来自秩变化点处集合呈分层结构。
论文提出基于Stein无偏风险估计的选择规则，并进一步给出面向真实嵌入的交叉拟合选择器CARS。 插件式估计会高估信号，该工作用无偏修正与跨半样本一致性减去抽样波动，使选择规则可直接用于未知总体几何与噪声协方差的真实嵌入。 定理3给出精确的选择功效与非中心卡方分布，以及模型选择遗憾公式；附录C.1给出CARS分数的期望恒等式，并明确该恒等式是期望计算，不像高斯SURE定理那样断言精确的有限样本选择概率。
受理论引导的检索实验显示，查询旋转增大时双投影优势扩大，训练数据增多时偏好从共享转向双投影，CARS在五个数据集上优于两种固定几何。 这些实验把理论预测的信号效应与样本量效应同时放到受控模拟、全语料检索与留出算子风险三类设置中检验，而不只是单一基准上的性能对比。 平均Dual减Shared的NDCG@10优势随查询旋转从0度到90度增加一倍以上；秩—样本量网格中n=32时共享赢16格中的13格，而n=1024与n=2048时双投影赢全部32格；168条可比算子风险曲线随训练数据增加全部向双投影移动；CARS在100个编码器—折比较中赢85次，平均选择准确率90.1%，相对更优固定选择降低遗憾49–96%。
启示与展望
该框架面向冻结查询与文档嵌入上的低秩双线性打分，适用于需要决定是否采用非对称投影的检索适配场景，例如检索增强生成、语义搜索与问答中的证据检索。理论边界建立在局部、各向同性高斯算子噪声的假设上，作者在讨论中把向各向异性噪声与直接面向排序指标的扩展列为后续方向。CARS面向的是训练数据可得、且偏好几何会随训练规模、秩与数据集变化的设置；论文报告的选择实验使用五个数据集、四个基础编码器、嵌套训练规模与多个秩，并以20次内部半划分做交叉拟合。
理论结论的局部高斯设定与真实嵌入的噪声结构之间仍有距离，作者也把各向异性噪声与直接优化排序指标列为开放方向。CARS的期望恒等式是期望层面的计算，并不保证精确的有限样本选择概率，因此在小样本或强分布偏移下其选择稳定性仍需在更多设置中观察。检索实验中的旋转干预只旋转查询向量，文档嵌入、评测语料与相关性标签保持不变，这一受控设计便于识别信号效应，但与自然分布偏移的关系仍是开放问题。此外，附录H指出双线性算子并不决定投影后的双余弦，算子层面的结论需要双线性打分或额外的范数控制。