待验证50% 置信事实精确时间
GLiNER 是一类面向通用命名实体识别的轻量模型，使用双向 Transformer 编码器同时处理实体类型与文本，无需为每种实体单独训练。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证GLiNER将实体识别转化为候选标签与文本片段之间的语义相似度匹配问题，可在推理时接受任意新标签而无需重新训练66% 相似已验证原始Transformer由编码器（Encoder）和解码器（Decoder）构成，BERT类模型只用编码器擅长理解和分类，GPT类模型只用解码器专注文本生成65% 相似待验证双向编码器模型每个位置可同时看到左右上下文，适合分类、实体识别等理解类任务；GLiNER和Jev均基于双向编码器思路63% 相似待验证GLiNER2 Large是Fastino的编码器模型，4.86亿参数，Apache-2.0许可，CPU优先，单次前向传播完成实体识别、分类、结构化提取和关系抽取，但不生成文本也不跨表格推理。60% 相似待验证Glimmer在其尺寸上不以原始编码能力取胜，其优势在于工具调用能力60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1081943API
curl https://kongchang.com/api/v1/knowledge/claims/1081943MCP
get_claim(id=1081943)