本研究提出了TriG-NER框架，旨在解决不连续命名实体识别中的实体分散问题。通过应用三元组损失，TriG-NER显著提高了实体边界检测的准确性，实验结果表明其在主流数据集上优于现有模型，设定了新基准。

本文探讨了三元组损失在深度学习中的应用，提出了新公式以提升图像分类和三维目标检测的效果。实验结果表明，该方法在车辆重新识别和物体跟踪任务中表现优越，超越了现有算法。