SYNTRA 自改进数据合成:无标注语料即可跨 15 领域扩展嵌入模型
_reachsumit · x · 2026-10-14
arXiv 论文提出检索数据合成方法 SYNTRA,只需无标注语料和少量查询-文档对,通过自改进循环基于试跑反馈迭代优化可复用的合成指令,自动生成领域适配的训练数据。
- 在 15 个领域、24 个检索数据集上验证有效,并能提升多个主流强嵌入模型
- 6 项评测任务中全部改善检索表现,其中 4 项超过人工校准
- MS MARCO 上训练数据扩至 32 倍性能仍持续提升
- 论文与代码、数据均已开源
所属事件:SYNTRA 自改进数据合成助力嵌入模型跨 15 领域扩展(2 条相关)→
「研究」频道最新
- 小鹏发布自动驾驶 VLA 模型 AUGUstus，NAVSIM 双榜 SOTA 并实车部署 12Hz — XPENG-AI · 2026-10-14
- 阿里联合南洋理工系统评测对比学习策略：多数花式技巧收效甚微 — alibaba-multimodal-industrial-ai · 2026-10-14
- Lightricks 推出 APEX：层级潜空间+异步去噪，实现 64-128 倍极致压缩 — Lightricks · 2026-10-14
- EMHO：冻结模型不变，让具身智能体框架从经验轨迹自我进化 — Hyun Jung Lee · 2026-10-14
- 港中深等发布 WorldCast：分布式多人世界模型，CS2 上实时运行 — CUHKSZ · 2026-10-14
- 高丽大学发布 MixLID：token 级混合语言识别模型，覆盖 111 种语言 — Seongtae Hong · 2026-10-14