对比学习增强的大语言模型框架用于少量样本命名实体识别

本研究解决了现有少量样本命名实体识别方法在不同领域中的表现不足的问题。提出的CLLMFS框架通过结合对比学习和低秩适应机制，增强了模型的内部表示，显著提高了实体边界意识和实体识别准确性。实验证明，该方法在多个基准上相比最佳现有方法提升了F1分数，并展示了强大的跨领域泛化能力。