研究人员开发了一个新的条件信息检索框架，以改进纵向调查数据的协调。该框架首先使用经过微调的生成模型从调查问题中提取潜在的社会学概念，然后将这些概念作为明确的条件信号，以实现更准确的对齐。在CLOSER案例研究中进行测试，该系统在平均精度和召回率方面均持续优于基线方法2-3个点。研究还探讨了各种微调策略，发现监督微调（SFT）提供了最稳定的改进，并证明了在通用社会科学词汇表上微调的模型可以有效地迁移到特定任务的调查数据，为数据稀缺场景提供了实用的解决方案。 AI
影响 该框架通过改进调查数据的检索信息，可以提高大规模社会科学数据集的分析准确性和效率。
排序理由 该条目描述了在arXiv上发表的一篇研究论文中提出的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
