SYNTRA 自改进数据合成助力嵌入模型跨 15 领域扩展

arXiv 论文提出检索训练数据合成方法 SYNTRA，仅需无标注语料库和少量查询-文档对，通过自改进循环基于试跑反馈迭代优化可复用的合成指令，自动生成领域适配的训练数据，无需人工标注即可让嵌入模型适配新任务。该方法在 24 个数据集上验证，可使 embedding 模型跨 15 个领域扩展，大幅降低为检索任务定制嵌入模型的门槛。