本研究提出了一种新的选择性示例学习方法（SSL_ner），通过实体信息优化Few-Shot学习中的示例选择。结果表明，SSL_ner在多个开源大语言模型上表现优异，并首次进行了系统评估。

研究发现普通的多模态大型语言模型在处理实体信息方面能力有限。为了解决这个问题，研究者设计了两个多模态实体感知对齐任务和一个对齐框架，取得了比先前最先进模型更好的结果。