ColBERT 迟交互多向量重排

ColBERT（Contextualized Late Interaction over BERT）是一种巧妙融合了 Bi-Encoder 高检索速度与 Cross-Encoder 高表现精度的“迟交互 (Late Interaction)”多向量检索/重排序架构；它对 Query 和 Document 中的每一个 Token 分别生成独立的上下文多向量表征 (Multi-Vector)，保留细粒度 Token 级特征；在检索交互阶段，它无需将两者拼接送入深度 Transformer，而是直接通过轻量级的 MaxSim 算子 $S(Q, D) = \sum_{i \in |Q|} \max_{j \in |D|} (E(q_i) \cdot E(d_j))$ 计算每个 Query Token 与最匹配 Document Token 的最大余弦相似度并求和。

毫秒级极速精准重排序、多向量端到端检索（如 RAGatouille、Plaイド 引擎）以及视觉多模态多切片检索（ColPali）。

传统 Cross-Encoder 计算复杂度 $O(N \cdot L^2)$ 延迟达数百毫秒，无法用于大规模实时重排；Bi-Encoder 压缩为单向量丢失了词汇级精准匹配；ColBERT 将重排序计算降维为矩阵点积 MaxSim，耗时仅需数毫秒且精度与 Cross-Encoder 极其接近。

推导 ColBERT MaxSim 算子公式，并详细剖析其为何既能捕捉软关键词匹配又能捕捉深度上下文语义？

ColBERTv2 如何通过残差压缩 (Residual Compression) 与聚类量化将多向量索引的存储占用缩小 6x~10x？

对比 ColBERT (迟交互)、Bi-Encoder (独立双塔) 与 Cross-Encoder (全交互) 在延时、显存占用与 NDCG 上的三维权衡？

PLAID 引擎如何通过三阶段剪枝算法（质心剪枝、词袋剪枝、精确 MaxSim）实现万级候选的毫秒级检索？

ColPali 如何将 ColBERT 迟交互架构扩展至 Vision LLM (PaliGemma) 实现基于 PDF 页面截图的原生图像多向量检索？