ORPHEAS: Modello di Embedding Bilingue Greco-Inglese per RAG

I ricercatori propongono ORPHEAS, un modello di embedding specializzato greco-inglese per la generazione aumentata da recupero bilingue (RAG). I modelli multilingue esistenti non riescono a ottimizzare per il greco a causa della sua complessità morfologica e della terminologia specifica del dominio. ORPHEAS è addestrato su un dataset di alta qualità generato tramite una metodologia di fine-tuning basata su grafi di conoscenza applicata a un corpus multi-dominio diversificato, consentendo rappresentazioni semantiche indipendenti dalla lingua. Esperimenti numerici mostrano che ORPHEAS supera i modelli all'avanguardia nei benchmark di recupero monolingue e cross-lingue. Il lavoro colma una lacuna nella PNL cross-lingue per applicazioni greco-inglesi.