DeepMind爆火论文：向量嵌入模型存在数学上限，Scaling laws放缓实锤？

近日，一篇关于向量嵌入局限性的论文引发广泛关注。DeepMind 研究人员结合几何代数与通信复杂度理论，首次从数学角度证明了嵌入模型存在根本性限制：当文档数量超过临界点后，固定维度的嵌入无法完整召回所有相关文档。这一结论对 RAG 系统影响深远，意味着即便使用最先进的嵌入模型，在大规模检索任务中也可能遗漏关键信息。研究团队构建了名为 LIMIT 的测试集，结果显示当前 SOTA 嵌入模型在简单任务中表现极差，recall@100 难以突破 20%。这不仅揭示了嵌入技术的理论边界，也对“加大模型规模即能提升性能”的主流认知提出挑战。
来源：https://mp.weixin.qq.com/s/SZU053P-BOTmsnA0KyjJEg