亚马逊提出 OPERA 动态数据剪枝，微调稠密检索器训练时间减半

Amazon Science 发布论文 OPERA，提出在微调稠密检索器时动态剪枝训练数据的方法，优先保留高质量 query-passage 对，训练时间缩短一半，排序质量与召回率同时提升。该方法在训练过程中动态判断数据对质量、剪掉低价值样本，把算力集中在高质量配对上。论文与代码均已公开。