公共参照的盲区

在用公共参照连接向量模型的设计中，各个模型分别描述一段文本与同一组参照的关系。这样，彼此不必共享原始坐标，也能比较那些关系。

参照因此承担了一项很实际的工作：告诉系统从哪些方向观察对象。要理解它的代价，可以先把复杂模型暂时放下，只看一张平面。

取两个单位向量：

x = (0.6,  0.8)
y = (0.6, -0.8)

它们的第二个坐标不同，彼此的点积为 −0.28。现在只选一个单位参照 a = (1, 0)，以余弦相似度表示对象与参照的关系。结果是：

x 与 a 的关系 = 0.6
y 与 a 的关系 = 0.6

两个不同对象被表示成了同一个数。后续系统无论怎样精细处理这个数，都无法仅凭它恢复已经丢掉的区别。

增加另一个参照 b = (0, 1) 后，关系表示变为：

x → [0.6,  0.8]
y → [0.6, -0.8]

这一次区别重新可见。例子中的计算是精确的；它证明的是选定表示可能丢失信息，并不声称两个真实人群已经遭遇了这种排序结果。

如果第二个参照仍是 (1, 0)，只是换了一个编号，两份信息完全相同。如果新增的参照都接近同一个方向，表示长度增加，也可能只是在反复描述原本已经看见的区别。

因此，参照数量与有效区分能力之间，还隔着参照是否互补、当前任务需要哪些区别，以及模型能否表达这些区别。

文本空间比这个平面复杂得多。一段参照文本并不对应由人精确指定的语义轴；不同模型对它的理解也未必一致。二维例子的用途，是帮助我们提出实验问题：某组参照是否把任务相关的两个对象压得过近？换一组以后，哪些关系发生了变化？

设想一个协作目录，长期使用销售、推广、增长等参照来描述能力。修理旧物的人可以与其中某些词产生关系，但诊断故障、延长寿命、恢复使用的区别，可能表达得不够清楚。

这是一项待检验的推演。它提示我们，系统中的“难以找到”可能有几种来源：资料没有收录，描述没有写清，表示丢失了关键区别，或者排序目标本来就不奖励那种贡献。不同来源，需要不同修复。

只增加维修者数量，无法必然修复表示中的盲点；只修改参照，也无法替代缺失的资料。把故障定位到正确一层，才能知道下一项工作应该是补材料、换表示，还是调整任务判断。

而“谁决定什么区别重要”又是一项设计选择。如果系统服务于修理课程，就应能分辨安全拆卸、诊断与教学；如果服务于设备采购，条件会不同。一套公共参照可以帮助互通，但公共并不意味着对所有任务同样合适。

要判断参照选择是否真的影响了发现，可以保持请求、候选、模型、检索预算和评价方法不变，只替换参照集合。

首先观察表示：哪些原先挤在一起的候选变得可以区分？随后观察名次：变化是否进入实际使用的前十名或前一百名？最后回到任务：新增候选究竟提供了所需能力，还是只是把另一组噪声推到前面？

平均分之外，还应查看事先关心的任务类型。一个集合可能提高总体表现，却让某种小众任务持续变差。反过来，为少数任务增加专用参照也会引入存储、计算和版本成本。结果应当帮助决定在哪里使用公共部分，哪里需要补充。

这些选择可以通过实验逐步改善。参照集合不必一次完美，也不必因发现遗漏而整个废弃；关键是让遗漏有机会被发现，让版本变化能够被比较。

我希望公共参照有两个性质：足够稳定，让不同参与者能够相互理解；也允许人指出“用这组东西描述我，漏掉了一件影响任务的重要事情”。

后一种反馈需要具体对象。提出一项遗漏时，可以带上一对应该被区分的材料、一项受影响的任务，以及加入什么参照后可能改善的猜想。这比争论一套词表是否代表所有人，更容易转化为可运行的检验。

最初那对向量提供了一个简单起点：拿出系统目前分不开、但任务确实需要分开的两个对象。参照是否值得更新，可以从这项具体差别开始讨论。