模型
GLiNER
GLiNER是一种基于片段（span-based）的命名实体识别模型，支持零样本推理，能够在不经过特定领域微调的情况下识别任意类型的命名实体
时间轴 (近 90 天)
10月6日
GLiNER是一个模型家族，名字源自命名实体识别，最早版本可追溯到2023年
待验证50%
10月6日
GLiNER不提供校准概率，也不给出完整概率分布，且不同用途需切换不同模型（GLiNER 2.5、GlyGuard等）
待验证50%
10月6日
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
待验证50%
10月6日
在Deathmatch地图上带LLM教练的GLiNER得分翻倍以上，本地GLiNER每秒约8.8次决策而托管Jev受网络影响仅2.5次/秒
待验证50%
9月23日
零样本的基于片段的 GLiNER 模型在依赖机构职能的实体类型上几乎完全失效，微观 F1 仅为 0.243
待验证50%
9月23日
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
待验证50%
全部知识事实 (6)
待验证
GLiNER是一个模型家族，名字源自命名实体识别，最早版本可追溯到2023年
50%待验证GLiNER不提供校准概率，也不给出完整概率分布，且不同用途需切换不同模型（GLiNER 2.5、GlyGuard等）
50%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
50%待验证在Deathmatch地图上带LLM教练的GLiNER得分翻倍以上，本地GLiNER每秒约8.8次决策而托管Jev受网络影响仅2.5次/秒
50%待验证零样本的基于片段的 GLiNER 模型在依赖机构职能的实体类型上几乎完全失效，微观 F1 仅为 0.243
50%待验证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
50%