SYNTRA 自改进数据合成：无标注语料即可跨 15 领域扩展嵌入模型

arXiv 论文提出检索数据合成方法 SYNTRA，只需无标注语料和少量查询-文档对，通过自改进循环与试跑反馈迭代优化可复用合成指令，生成领域适配训练数据。在 15 个领域、24 个检索数据集上验证有效，多个主流强嵌入模型在 6 项评测任务中全部改善检索表现，其中 4 项超过人工校准。MS MARCO 上训练数据扩至 32 倍性能仍持续提升，论文与代码、数据均已开源。