在多语言多层次检索中，利用 LLMs 合成训练数据
通过使用 SWIM-IR 合成训练数据集，我们研究了多语言密集检索模型的能力，并在三个检索基准上对其进行了全面评估，发现 SWIM-IR 可以以较低成本替代昂贵的人工标记检索训练数据。
本研究评估了大型语言模型如Dolly-v2、StableVicuna、ChatGPT和GPT-4在跨语言常识推理数据集中进行数据增强的效果。结果显示GPT-4生成数据训练效果最佳，ChatGPT和GPT-4在多数语言中表现出色，但有时效果会减弱。
原文中文，约300字，阅读约需1分钟。发表于：。
