📖 AI 总结

该研究聚焦多模态实体链接中的罕见实体识别问题，指出以往研究主要依赖页面浏览量等流行度指标衡量实体稀有性，而本文引入知识图谱结构指标，以捕捉实体在文档记录和关联程度上的不足，从而识别出流行度指标遗漏的大量罕见实体。研究发现，在不同稀有性定义下，当前最优系统的准确率下降15.4%至39.9%，表明不同定义揭示了不同的失败模式。为此，作者提出一种无需训练的框架，让具备推理能力的视觉语言模型迭代检索并推理维基百科内容，动态收集证据。实验表明，推理与检索具有互补性：单独推理对罕见实体提升有限，单独检索虽能改善罕见实体表现却可能损害整体准确率，二者结合效果最佳。在覆盖五种语言的MERLIN基准上，该系统整体超越当前最优水平6.9%，在罕见实体切片上提升最高达23.3%，并发布了MERLIN-Rare测试集以支持针对性评估。

🔑 关键词速览