本研究提出了一种自适应微调方法，针对小型数据集在命名实体识别中表现优于现有算法。通过使用大型语言模型（如GPT4）进行实体匹配，实验表明其在零次训练下的性能与微调模型相当。此外，研究探讨了微调对模型泛化能力的影响，并提出了一种增强的提示调整框架，显著提升低资源实体匹配效果。