본 논문은 MaxSim 유사성 함수의 이론적 표현력을 분석하고, 기존 벡터 내적 방식과 비교합니다. MaxSim은 특정 조건에서 벡터 내적을 정확히 모방할 수 있으며, 벡터 내적으로는 표현 불가능한 유사성도 표현 가능합니다. Signed MaxSim을 도입하여 모든 실수 값 벡터 내적을 정확히 모방하도록 개선했으며, 이는 일반 MaxSim으로는 불가능합니다.
MaxSim은 소프트 OR 연산의 집합 및 논리 표현 평가기로도 작동하며, Signed MaxSim은 모든 벡터에 대해 벡터 내적과 동등한 성능을 보입니다. 이러한 결과는 이론적 근거와 함께 실험적으로도 뒷받침됩니다.
부정(negation)이 포함된 검색 작업에서 Signed MaxSim은 기존 ColBERT/MaxSim 모델보다 성능을 크게 향상시켰습니다. 어휘 변화 시 nDCG@10이 0.597에서 1.000으로, 부정 관련 쿼리에서 0.008에서 0.788로 증가했습니다.