本研究提出了Syntriever训练框架，旨在解决信息检索系统在提取大语言模型知识时的局限性。通过合成相关和无关内容，Syntriever提升了检索器性能，并通过偏好建模确保模型的稳定性。实验结果表明，该框架在多个基准数据集上表现优异。