待验证50% 置信事实精确时间

GLiNER 是一类支持通过自然语言描述实体类型进行零样本识别的开放 NER 模型，无需为每个新类型重新训练

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

IntLawNER：国际法领域首个命名实体识别数据集与基准

涉及实体

相关事实

待验证零样本学习指不提供任何示例，直接以自然语言指令驱动模型完成任务63% 相似待验证零样本分割是指模型无需在目标数据集上进行任何额外训练或微调，即可对从未见过的物体类别进行像素级分割60% 相似待验证Skills范式利用大语言模型本身同时完成意图理解、槽位填充和参数结构化，实现零样本意图路由，无需额外训练数据60% 相似已验证GLM 通过自回归空白填充（Autoregressive Blank Infilling）统一了自然语言理解与生成的预训练目标59% 相似待验证零样本模型面对从未见过的新数据集，无需针对性再训练或微调即可直接给出预测59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942797

API

curl https://kongchang.com/api/v1/knowledge/claims/942797

MCP

get_claim(id=942797)