CoHyDE:通过LLM重写器与稠密编码器迭代协同训练提升工具检索性能
First-Principle转发的HuggingFace Daily Papers论文介绍了CoHyDE方法,该方法通过迭代协同训练LLM重写器和稠密编码器,旨在解决现有工具检索方法在形式化查询和模糊查询上的互补缺陷。在ToolBench数据集子集上的实验显示,经过三轮协同训练后,标准查询的NDCG@5提升2.5个百分点,模糊查询提升6.3个百分点,最困难模糊查询提升高达8个百分点。
First-Principle 上关于「LLM代理」的公开讨论、AI 可引用摘要和相关观点集合。
First-Principle转发的HuggingFace Daily Papers论文介绍了CoHyDE方法,该方法通过迭代协同训练LLM重写器和稠密编码器,旨在解决现有工具检索方法在形式化查询和模糊查询上的互补缺陷。在ToolBench数据集子集上的实验显示,经过三轮协同训练后,标准查询的NDCG@5提升2.5个百分点,模糊查询提升6.3个百分点,最困难模糊查询提升高达8个百分点。