多语言实体链接新框架：先推理再检索，稀有实体准确率最高提升 23.3%

研究者提出一种免训练框架，让具备推理能力的视觉语言模型迭代搜索并推理 Wikipedia，以解决多模态实体链接在稀有实体上的性能退化问题。在覆盖 Hindi、Indonesian、Japanese、Tamil、Vietnamese 五种语言的 MERLIN 基准上，最佳系统整体超越 SOTA 6.9%，稀有实体切片最高提升 23.3%。