传统的搜索通常将召回和精排两个阶段分开进行，本文提出了一个联合训练模型，将召回模型（Retriever）看做精排模型（Re-ranker）的蒸馏，从而将两个模型一起联合训练。并据此想法提出了名为动态列表蒸馏（dynamic listwise distillation）的方法，来适应排序模型与传统模型的不同。另一方面，在RocketQA的数据增强手段基础上，提出了混合数据增强的方法。最终实验结果表明...

特别声明： 版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。