研究者提出NHNM方法构建IFIR训练集
热点事件持续更新
研究者提出NHNM方法构建IFIR训练集
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Chaolang Li等研究者提出自然硬负例挖掘方法NHNM，将原始正例段落改造成符合查询指令的自然硬负例，通过候选清洗、反转构造与几何过滤自动生成高对比监督信号。 研究者在MSMARCO上据此构建约7K条实例的IFIR训练集NHNM-MARCO。568M至4B参数模型微调后，在InstructIR和FollowIR上表现强劲，部分设置下可匹敌或超越更大规模检索模型。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
NHNM：从正例中挖掘自然硬负例，提升指令跟随检索报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AINHNM：从正例中挖掘自然硬负例，提升指令跟随检索
研究者提出自然硬负例挖掘方法 NHNM，将原始正例段落改造成符合查询指令的自然硬负例，通过候选清洗、反转构造与几何过滤自动生成高对比监督信号。在 MSMARCO 上构建出约 7K 条实例的 IFIR 训练集 NHNM-MARCO，568M 至 4B 参数模型微调后在 InstructIR 和 FollowIR 上表现强劲，部分设置下可匹敌或超越更大规模检索模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。