BeLink: 생성적 재순위화(Generative Re-Ranking)를 결합한 생물 의학 개체 연결 (Biomedical Entity

최근의 발전에도 불구하고, 대규모 언어 모델 (LLMs)을 이용한 생물 의학 개체 연결 (Biomedical Entity Linking, BEL)은 계산 효율성이 낮고 실제 환경에 배포하기에 여전히 도전적인 과제로 남아 있습니다. 본 연구에서는 오픈 소스 생성 모델 (generative models)의 지시어 튜닝 (instruction-tuning)을 BEL 파이프라인의 재순위화 (re-ranking) 단계에 적용할 때 효과적인 해결책이 될 수 있음을 입증합니다. 우리는 빠르고 정확한 후보 선택을 가능하게 하는 집합적 지시어 튜닝 (set-wise instruction-tuning) 공식을 제안합니다. 우리의 방법론은 여러 BEL 벤치마크에서 강력한 성능을 입증하였으며, 최신 기술 (state-of-the-art) 대비 추론 시간 (inference time)을 단축하는 동시에 연결 정확도 (linking accuracy)를 크게 향상 (3%-24%) 시켰습니다. 우리는 우리의 생성적 재순위화기 (generative re-ranker)를 실제 환경의 실용적인 BEL 애플리케이션을 위해 설계된 모듈형 엔드 투 엔드 (end-to-end) 시스템인 BeLink에 통합하였습니다.