EMNLP 2026 Findings 论文《To MRL or not to MRL》：非 MRL 模型嵌入对截断出乎意料地稳健

Takeshita 等人的 EMNLP 2026 Findings 论文《To MRL or not to MRL》发现，随机截断的稳健性未必源于 MRL 训练。多个模型和下游任务的对比显示，除非嵌入压缩至少 80%，非 MRL 模型的截断嵌入与 MRL 模型相当甚至更好；MRL 还会增加训练成本并要求预先确定截断维度，代码已开源可复现。