BeLink: Biomedical Entity Linking Meets Generative Re-Ranking
BeLink：生物医学实体链接中的生成式重排序
🧭 生成式重排序 · 生物医学实体链接
University of Milan · University of Chicago
用指令微调的开源生成模型在重排序阶段实现集合式候选选择，准确率提升3-24%，推理更快。
📌 工作参考价值（4 点）
- 电商商品实体链接（如商品名→标准SPU）可直接复用该方法：用指令微调的开源LLM替代传统BERT交叉编码器做候选重排序，尤其适合冷门实体。
- 集合式指令格式：一次性输入多个候选，要求模型输出最佳匹配，减少推理轮次，降低在线延迟，适合高QPS场景。
- 模块化检索-重排序架构：可灵活插拔不同检索器（稀疏/稠密），业务侧能快速验证不同召回策略与重排序器的组合。
- 低成本部署：微调7B级模型即可达到甚至超越大模型效果，平衡准确率与推理成本，便于在资源受限的工业环境中落地。