研究人员提出了 ALORE，这是一种可扩展且对领域鲁棒的估计器，用于估算大型存储库中表格之间最大重叠的大小。它通过显式表示行列结构并在训练期间暴露表间对齐信号，解决了最先进 Armadillo 模型的局限性。

  • 使用双视图行列超图编码器来保留结构成员资格。
  • 采用带有低成本交互信号的对齐引导目标。
  • 实施对领域鲁棒的值映射，以减少对语料库特定分布的敏感性。
  • 整体平均绝对误差 (MAE) 降低高达 55%，零样本迁移中降低高达 69%。
  • 与以前的方法相比，速度提升高达 89 倍。

ALORE 在 diverse 领域和规模上展示了卓越的性能，验证了其在按表检索任务中的有效性。