From Rules to Neural Graphs：专利先有技术检索的可扩展结构化预测

专利检索常需处理数万 token 文档，多数神经检索方法受限于截断输入。该研究提出神经解析器，将依赖解析的双仿射注意力适配到发明图预测，局部评分把复杂度从 O(n²) 降到 O(n·w)。模型从 100 万条规则解析文档蒸馏而来，在 40,000 token 以上文档部署无需重新训练，推理成本降为原来的 1/3；在下游 Graph Transformer 检索中，全文档引用召回率提升 1.1%。