思路如下:
1.通过7B模型,让文章输出多个术语or关键词。
2.术语和关键词、标签,这俩东西都能embedding进空间里。我们希望前者能与正确的多标签距离更近。不过这里并没有做任何对齐,只是使用预训练模型的能力而已。
3.rerank使用gpt,排名靠前的就是更相似的。
这里面还有一些细节:
1.使用DSPy框架,动态地分配few-shot给prompt。神奇的是即使是这个阶段,论文也没让7B模型做in-context learning。
2.对齐模型要看什么任务。对于职位标签,论文用all-mpnet-base-v2。对于医学相关,使用BioLORD。这俩都是预训练模型,使用但不微调。