研究人员开发了TELLER，一种新颖的表格实体链接方法，该方法基于模型错误和推理进行迭代优化。该方法通过使用不断演进的模型中的残差错误来刷新偏好，从而解决了静态训练数据的局限性。TELLER包括一个直接回答路径，用于优化预测，以及一个使用过滤后的思维链（chain-of-thought）推理来进行监督微调的推理路径。该系统在TableInstruct和MammoTab V2等基准测试中展示了准确性的提高，增强了简洁实体预测和显式推理能力。 AI
影响 这项研究为实体链接模型引入了一种更具适应性的训练方法，有望提高结构化数据解释的准确性和鲁棒性。
排序理由 详细介绍表格实体链接新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
