연구진은 mMARCO 데이터셋을 활용해 쿼리 임베딩 혼합 비율에 따른 검색 성능을 체계적으로 평가했어요. BGE-M3 모델 실험 결과, 최적 혼합 비율이 105건 중 88건에서 단일 언어 쿼리보다 우수한 성능을 보였어요. 영어의 지배적인 영향으로 인해, 영어가 포함되지 않은 문서 인덱스 검색 시에는 혼합이 일관되게 유익했지만, 영어 문서 인덱스에서는 순수 영어 쿼리가 더 효과적이었어요.
영어는 모든 비영어 문서 언어에 대해 가장 강력한 혼합 파트너로 나타났으며, 언어 혼합 이득은 영어 지배를 통제했을 때 유형론적 거리에 반비례했어요. 연구 결과, 언어 혼합 민감도는 구조적이고 예측 가능하며, 다양한 모델 패밀리와 규모에서도 일관성을 보였어요.
이 연구는 다국어 환경에서 쿼리 임베딩 혼합 비율을 조정하여 검색 성능을 최적화하는 전략적 접근 방식을 제시하며, 다국어 덴스 검색 시스템 설계에 중요한 시사점을 제공해요.