实体
entity matching
entity matching
PulseAugur coverage of entity matching — every cluster mentioning entity matching across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新框架为基于LLM的实体匹配大幅削减RAG成本
研究人员开发了一个名为CE-RAG4EM的新框架，旨在提高使用大型语言模型（LLM）进行实体匹配任务的检索增强生成（RAG）的成本效益。该框架通过实现基于阻塞的批处理检索和生成，解决了每对检索调用带来的高计算成本和增加的token使用量问题。在九个基准数据集上的实验表明，CE-RAG4EM在匹配质量上达到了相当或更好的水平，特别是在处理属性模糊或稀疏的记录时，同时与朴素的RAG应用相比，显著降低了总体开销。
-
新的强化学习方法优化LLM实体匹配的成本和质量
研究人员开发了CaRL-EM，一种使用大型语言模型（LLMs）进行实体匹配的新型强化学习方法。该方法通过根据任务复杂度自适应地选择算子和模型容量，来优化匹配质量和推理成本之间的权衡。CaRL-EM在各种数据集和领域中展示了强大的零样本迁移能力，在实现更好的质量-成本平衡方面优于现有的基于LLM的基线和手动流程。
-
新研究论文详细介绍了用于域感知实体匹配的BEACON框架
一篇新发表在arXiv上的论文探讨了在低资源环境下用于域感知实体匹配的BEACON框架。该研究调查了算法选择和数据可用性如何影响这种最先进方法的性能。作者进行了有针对性的实验，以提供对分布对齐和BEACON框架在不同条件下的行为的更深入的见解。