论文页面 - 教授 Nemotron 希腊语：挖掘语料库、适配检索、并将生成扎根于现代希腊语专业领域

来源：https://huggingface.co/papers/2608.05138

摘要

尽管现代希腊语在法律、能源、金融和医疗应用的检索增强生成（RAG）中非常重要，但它缺失于 NVIDIA 的 Nemotron 检索模型以及主要的多语种检索基准中。我们提出了对 Nemotron 检索栈进行端到端适配的现代希腊语方案，包括语料库挖掘、合成监督数据、检索模型训练、重排序器适配、阅读器微调，以及一个名为 HERA 的新基准。我们的研究表明，在专业希腊语语料库上，无需参数训练的 BM25 基线优于多种现成的多语种稠密检索模型。在对 65,773 个希腊语检索对进行微调后，Nemotron 1B 嵌入模型的 nDCG@10 从 0.362 提升到 0.835，并显著优于其未适配版本。所习得的语言能力可以迁移到通用领域的希腊语，尽管相比 BM25 的优势仍取决于领域。我们进一步适配了跨编码器重排序器，并展示了在专业领域中的持续改进。最后，我们对 Nemotron 30B-A3B 混合专家阅读器进行了 LoRA 微调以实现扎根生成，使人工评定的答案正确率从 29.4% 提升到 66.9%，同时显著提高了忠实度和引文质量。我们还推出了 HERA，这是首个大规模希腊语检索增强生成基准，并发布了我们适配后的模型和基准，以支持未来对希腊语 RAG 系统的研究。

查看 arXiv 页面 (https://arxiv.org/abs/2608.05138)查看 PDF (https://arxiv.org/pdf/2608.05138)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2608.05138)

引用此论文的模型0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2608.05138 即可从此页面关联该模型。

引用此论文的数据集0

没有数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2608.05138 即可从此页面关联该数据集。

引用此论文的 Space0

没有 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2608.05138 即可从此页面关联该 Space。

包含此论文的收藏1