一句话定义
ColBERT（Contextual Late Interaction over BERT）是一种检索架构：它不只把一句话压成一个向量，而是给查询和文档里的每个 token 各留一个向量，打分时让查询的每个词去文档的所有词里找最相似的那一个，再把分数加总（这个操作叫 MaxSim）。这套"编码后再逐词比对"的思路，就叫后期交互（late interaction）。
用招聘打个比方
把检索想成"岗位要求匹配简历"，业内有两种极端做法。
一种是把整份简历浓缩成一句话印象，和岗位要求的一句话印象比一比。快，但"会写 SQL""带过三人小组"这类具体点很容易被平均掉——这就是双塔（bi-encoder）稠密检索，两边各出一个向量，只在最后算一次AI 词典：余弦相似度">余弦相似度。
另一种是让面试官把简历和 JD 逐字对照读一遍。最准，但每份简历都这么读，几百万份根本读不完——这是交叉编码器（cross-encoder），查询和文档拼在一起过模型，交互发生得最早，也最贵，通常只能用来给少量候选精排。
ColBERT 走中间路线：先把简历拆成一条条经历，各自留档（这一步离线做，可以预先建好索引）；岗位要求来了，就把每条要求分别去简历里找最贴合的那条经历，取最佳匹配分，再汇总。既保留了细粒度信息，又不用把两边拼起来重跑一遍模型。
和相邻概念的区别
| 方案 | 文档怎么表示 | 交互发生在什么时候 | 典型位置 |
|---|---|---|---|
| 双塔检索 | 一个向量 | 打分时算一次相似度 | 大规模召回 |
| 交叉编码器 | 不预存向量 | 编码过程中就互相看（早期交互） | 小候选集精排 |
| ColBERT / 后期交互 | 每个 token 一个向量 | 两边各自编码完之后 | 召回或中间层精排 |
"后期"是相对于交叉编码器的"早期"而言的：交互没有消失，只是被推迟到编码完成之后，因此文档侧可以离线算好、反复复用。
代价在哪里
多向量不是白拿的。token 级别的向量数量比文档数高好几个量级，存储会膨胀，所以实践中通常要把每个向量压到很低的维度，再配专门的剪枝索引（例如基于倒排的思路）来控制延迟。查询侧的每个 token 也要参与 MaxSim，计算量随文档长度增长。所以它常被放在召回之后、精排之前，或者用在需要细粒度匹配的场景：长文档、专业术语密集的语料、代码检索。
对从业者的实际意义
第一，检索效果取决于两件事：表示得够不够细，以及比对方式够不够聪明。只盯着"换个更好的 embedding 模型"容易忽略后者。第二，多向量表示在"一句话里只有一个关键点命中"时优势明显——单向量会把这点信号稀释掉。第三，选型先看瓶颈：卡延迟就用双塔，卡精度又只有小候选集就用交叉编码器，两者之间可以试试后期交互。
具体实现、参数与最新进展，以相关项目的官方页面为准。