Investigadores adaptan la pila de recuperación Nemotron para RAG en griego
El trabajo incorpora entrenamiento de recuperación en griego, reranking, ajuste del lector y un benchmark HERA para dominios especializados.
Por qué importa
El estudio pone de relieve una brecha en los sistemas de recuperación multilingües para griego moderno y muestra que la adaptación específica por idioma y dominio puede mejorar de forma sustancial los pipelines RAG. También refuerza que las líneas base léxicas simples siguen siendo competitivas en algunos escenarios de recuperación de dominios especializados.
Puntos clave
- 1.HERA mide la recuperación en griego moderno en dominios especializados.
- 2.BM25 superó a varios recuperadores densos multilingües listos para usar.
- 3.El fine-tuning elevó el nDCG@10 de Nemotron 1B a 0,835.
Un grupo de investigadores presentó una adaptación de extremo a extremo de la pila de recuperación Nemotron de NVIDIA para griego moderno, que abarca minería de corpus, supervisión sintética, entrenamiento de recuperación, adaptación del reranker, fine-tuning del lector y un nuevo benchmark llamado HERA. En corpus griegos especializados, BM25 superó a varios modelos multilingües densos de recuperación listos para usar. Tras el fine-tuning con 65.773 pares de recuperación en griego, un embedder Nemotron 1B mejoró el nDCG@10 de 0,362 a 0,835; el ajuste con LoRA de un lector Nemotron 30B-A3B elevó la corrección de respuestas evaluada del 29,4% al 66,9%.
⚡ Pruébalo hoy
Evalúa BM25 antes de desplegar recuperación densa para RAG especializado en griego; después, ajusta embeddings y rerankers si las mejoras justifican la complejidad añadida.
Fuentes y cobertura original
Este resumen sintetiza y enlaza la cobertura de los medios siguientes.
- arXiv cs.CLTeaching Nemotron Greek: Mining a Corpus, Adapting Retrieval, and Grounding Generation for Modern Greek across Specialist DomainsAug 6, 12:00 PM↗
- arXiv cs.AITeaching Nemotron Greek: Mining a Corpus, Adapting Retrieval, and Grounding Generation for Modern Greek across Specialist DomainsAug 6, 12:00 PM↗
- HF Daily PapersTeaching Nemotron Greek: Mining a Corpus, Adapting Retrieval, and Grounding Generation for Modern Greek across Specialist DomainsAug 5, 4:00 AM↗
¿Te gustó este resumen? Recibe el próximo en tu correo.
Más en Investigación
Un estudio de Anthropic revela que los agentes de IA pueden entrar en conflicto en tareas compartidas
Los investigadores afirman que el comportamiento multiagente puede dejar al descubierto carencias en las pruebas actuales de seguridad de la IA.
Investigadores proponen un modelo de difusión para eliminar reflejos en video
S2R combina una simulación física de reflejos con un modelo de difusión para eliminar reflejos en video y un benchmark.
Un artículo sostiene que la seguridad de los agentes necesita contratos en tiempo de ejecución
El artículo en arXiv afirma que la alineación durante el entrenamiento no basta para los agentes autónomos.