BriefGPT - AI 论文速递 · 2025-04-07T00:00:00Z Leveraging Large Language Models for Utility-Centric Annotation: Reducing Manual Effort in Retrieval and RAG 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究探讨了利用大语言模型（LLMs）生成标注，以降低检索模型训练和评估中的人工成本。结果表明，基于LLMs的标注在跨任务迁移中表现优越，尤其在非领域设置下，其性能超过传统人类标注模型，展现出更好的通用性。 🏷️ 标签 models rag 人工成本 大语言模型 标注生成 检索模型 跨任务迁移 阅读原文 生成长图 分享链接 已复制链接
