大模型当老师，小模型做学生：知识蒸馏助力实体匹配数据标注

传统实体匹配方法依赖大量人工标注数据，而大语言模型虽能实现高精度匹配，却面临推理速度慢、成本高昂的问题。最新研究探索了一种知识蒸馏方案：首先使用GPT-5.2等大模型作为“教师”，自动标注候选实体对的匹配关系；随后将这些机器标注的数据用于训练RoBERTa等轻量级“学生”模型。

研究团队在Abt-Buy、Walmart-Amazon等五个标准数据集上验证了该流程。实验表明，基于机器标注数据训练的轻量模型，其F1分数与使用人工标注数据训练的模型差距不超过2个百分点。成本方面，使用GPT-5.2标注全部五个数据集仅需28.31至40.88美元，而人工标注同等规模数据预计需470小时。推理效率提升更为显著：轻量模型Ditto的推理速度比直接使用大模型快41.5至534倍。

这项成果表明，通过合理的样本选择策略与大模型标注相结合，实体匹配任务可基本摆脱对人工标注数据的依赖，为实际应用提供了高效、低成本的解决方案。