Leveraging LLMs for Synthesizing Training Data Across Many Languages in Multilingual Dense Retrieval
8Citations signalées — pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés
Résumé fourni par la source
Nandan Thakur, Jianmo Ni, Gustavo Hernandez Abrego, John Wieting, Jimmy Lin, Daniel Cer. Proceedings of the 2024 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers). 2024.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Leveraging LLMs for Synthesizing Training Data Across Many Languages in Multilingual Dense Retrieval
- Date Crossref
- 01/01/2024
- Éditeur
- Association for Computational Linguistics
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Sujets associés
Natural Language Processing TechniquesTopic Modeling