Nemotron 希腊语教学：挖掘语料库、调整检索并为跨专业领域的现代希腊语奠定基础

尽管现代希腊语对于法律、能源、金融和医疗应用中的检索增强生成 (RAG) 很重要，但 NVIDIA Nemotron 检索模型和主要多语言检索基准中均没有现代希腊语。我们提出了 Nemotron 检索堆栈对现代希腊语的端到端改编，包括语料库挖掘、综合监督、检索 模型训练、重排序器改编、阅读器 微调 以及名为 HERA 的新基准。我们的研究表明，无参数 BM25 基线优于专业希腊语语料库上的几种现成的多语言密集检索模型。在对 65,773 个希腊语检索对进行 微调 后，Nemotron 1B 嵌入器将 nDCG@10 从 0.362 提高到 0.835，并且大大优于其未适应的对应物。所学语言能力转移到通用领域希腊语，尽管相对 BM25 的优势仍然取决于领域。我们进一步调整了跨编码器重新排序器，并展示了跨专业领域的一致改进。最后，我们对 Nemotron 30B-A3B 专家混合阅读器进行 LoRA 调整，以实现基于检索证据的生成，将判断答案正确性从 29.4% 提高到 66.9%，同时显着提高 忠实性 和引文质量。我们还推出了 HERA，这是第一个用于检索增强生成的大规模希腊语基准，并发布了我们的改编模型和基准以支持希腊语 RAG 系统的未来研究。