Para peneliti mengusulkan ALORE, sebuah estimator yang skalabel dan robust terhadap domain untuk ukuran tumpang tindih terbesar antara tabel dalam repositori besar. Ini mengatasi keterbatasan model Armadillo terkini dengan secara eksplisit merepresentasikan struktur baris-kolom dan mengekspos sinyal penataan antar-tabel selama pelatihan.
- Menggunakan encoder Hypergraf Baris-Kolom Dua-Tampilan untuk mempertahankan keanggotaan struktural.
- Memanfaatkan tujuan berarah penataan dengan sinyal interaksi yang murah.
- Mengimplementasikan pemetaan nilai yang robust terhadap domain untuk mengurangi sensitivitas terhadap distribusi spesifik korpus.
- Mengurangi Mean Absolute Error (MAE) hingga 55% secara keseluruhan dan 69% dalam transfer zero-shot.
- Mencapai percepatan hingga 89x dibandingkan metode sebelumnya.
ALORE menunjukkan kinerja unggul di berbagai domain dan skala, memvalidasi efektivitasnya untuk tugas pengambilan berdasarkan tabel.