生成モデルは最近、エンティティ解釈とエンティティリンク（すなわち、共通参照の検出と解釈）の両分野で効果的であることが示されています。しかし、従来提案されたEL（エンティティリンク）の自己回帰型フォーマリゼーションには、i) 複雑な（深層）デコーダによる高い計算コスト、ii) ソースシーケンス長に比例してスケーリングする非並列化可能なデコード処理、iii) 大量のデータでの学習の必要性という問題がありました。本研究では、すべての潜在的な参照に対して自己回帰型リンクを並列化し、浅く効率的なデコーダを用いた非常に効率的なアプローチを提案します。さらに、生成目的関数に追加の識別成分（つまり、ジェネレータのランキングを直接最適化する補正項）を導入します。これらの技術を組み合わせることで、上記のすべての問題が解決されます：当社のモデルは以前の生成手法よりも70倍以上高速かつ正確であり、標準的な英語データセットAIDA-CoNLLにおいて最先端の手法を上回っています。ソースコードは https://github.com/nicola-decao/efficient-autoregressive-EL で利用可能です。