本研究介绍了一种名为NuNER的紧凑语言表示模型，用于低数据需求的命名实体识别任务。研究发现，预训练数据集的大小和实体类型多样性是取得良好性能的关键。该模型在few-shot情景下胜过了类似大小的基础模型，并与更大的语言模型竞争。