AutoDDG

新的Polaris系统利用偏好数据训练LLM以改进表格检索

研究人员开发了Polaris，一个旨在增强自然语言到SQL（NL2SQL）任务中表格检索能力的新颖系统。Polaris训练一个大型语言模型来生成针对检索效果而非仅仅流畅性进行优化的表格描述。该系统通过使用查询-表格相关性判断来创建偏好对，并通过直接偏好优化（DPO）对LLM进行微调，从而利用现有的表格检索基准。实验表明，Polaris的性能显著优于AutoDDG等当前最先进的方法，展示了重新利用检索基准来训练LLM以生成面向检索的元数据的潜力。