LightOn ha presentado en el blog de Hugging Face SlideOn y mSlideOn, dos modelos abiertos para recuperar documentos. En vez de representar cada texto mediante un vector lleno de valores, emplean representaciones dispersas: solo unas pocas características quedan activas. Eso permite utilizar índices invertidos, habituales en los buscadores, y ajustar el equilibrio entre memoria, latencia y calidad de respuesta.
SlideOn tiene 174 millones de parámetros y está orientado al inglés; mSlideOn tiene 339 millones y cubre búsquedas multilingües, documentos extensos y código. Los autores publican pesos, puntos de control intermedios y código de entrenamiento. Según sus propias evaluaciones, SlideOn alcanza 56,68 puntos en BEIR-15 frente a 56,20 de su modelo DenseOn. Para mSlideOn comunican mejoras de 4,76 puntos en MIRACL y 10,19 en MLDR respecto a mDenseOn. Son mediciones del equipo en conjuntos concretos, no una garantía de mejor rendimiento en cualquier archivo.
La mezcla de entrenamiento incluye 16,3 millones de pares de búsqueda y documento en nueve lenguas y código, pero parte de los ejemplos multilingües se obtienen mediante traducción y la supervisión nativa es más limitada. Antes de adoptarlo conviene medir calidad y coste con preguntas y documentos del propio servicio. La fotografía de estanterías de biblioteca es ilustrativa: no muestra las pruebas de LightOn.