该研究介绍了 SemEval-2023 Task 2 的发现，该任务主要聚焦于跨越 12 种语言的复杂名词实体的识别方法。MultiCoNER 2 是 SemEval-2023 中最受欢迎的任务之一，发现了媒体标题和产品名称是最具挑战性的实体类型，并提出了将外部知识融入 transformer 模型中来实现最佳表现的方法。同时，该研究注意到嘈杂的数据对模型性能有重要影响，未来需要关注嘈杂数据中包含的复杂实体的 NER 鲁棒性。