为 Nemotron 注入希腊语能力：端到端 RAG 适配与基准测试
KIEFERSA · hf · 2026-08-07
由于主流多语言检索模型中缺乏现代希腊语的支持，作者对 NVIDIA 的 Nemotron 检索栈进行了端到端的适配，涵盖了语料挖掘、合成监督、模型训练和阅读器微调。
研究发现，在专业领域的希腊语文本上，无参数的 BM25 基线竟然优于许多现成的多语言密集检索模型。但在使用 65,773 对希腊语检索数据进行微调后，Nemotron 1B 嵌入模型的 nDCG@10 指标从 0.362 跃升至 0.835。
此外，作者还对 Nemotron 30B-A3B MoE 阅读器进行了 LoRA 微调，以实现基于检索的生成，将答案正确率从 29.4% 提升至 66.9%，同时显著增强了忠实度和引用质量。论文还发布了首个大规模希腊语 RAG 基准测试 HERA。
「研究」频道最新
- 持续学习范式转移：从参数中心化走向系统级适应 — CASIA · 2026-08-07
- TCFM：基于流匹配的多语言文本嵌入适应新框架 — LingoIITGN · 2026-08-07
- 盘点基于 Transformer 的 SLAM 前沿研究 — rsasaki0109 · 2026-08-07
- 用 SIREN 网络将 Bad Apple 压缩进 3MB 模型 — cpldcpu · 2026-08-07
- REI Labs 发布 Adapt-1：无需预训练的测试时学习新架构 — EnigmaFund · 2026-08-07
- ARC-AGI 复测 OpenAI Luna：成本暴降，ARC-AGI-1 破 90% — burny_tech · 2026-08-07