因斯布鲁克大学相关研究团队发布 UIBK-Embedding-v1，将稠密检索和 ColBERT 式后交互检索放进同一个模型、同一个索引。模型拥有 1.79 亿参数，使用 ModernBERT-base 主干，权重采用 Apache 2.0 许可。开发者可以按普通 PyLate ColBERT 模型加载，在 PLAID 索引中运行。
通常，稠密向量负责理解一段文本的整体含义，词元向量负责精确匹配实体或短语；混合检索需要两套索引和结果融合。UIBK 的做法是把稠密表示写入词元向量序列，再增加一个区分类型的标签维度，让标准 MaxSim 计算直接得到词元分数与加权稠密分数之和，无需修改索引评分器。
作者报告模型在 BEIR 上取得 59.79 nDCG@10、NanoBEIR 上为 70.55，并公开了训练阶段和对照结果。当前模型只支持英文，仍会像其他后交互模型一样为每个词元存向量，因此索引大于单向量方案。运行需要 Transformers 5.3 及以上、相应查询与文档提示词，并开启 trust_remote_code；其他改变向量结构的索引尚未验证。