研究人员推出了NER-D,这是一个新的基准,旨在跨13个数据集和9个不同领域评估德语命名实体识别(NER)模型。该基准包括一般主题、维基百科、法律、医疗、历史、金融、农业和考古数据。实验表明,一个专有模型GPT-5.4 mini在未经优化的情况下,最初的表现优于小型开源模型,但通过LoRA微调,这些小型模型能够超越专有基线。 AI
影响 该基准有望加速在各个专业领域开发更强大的德语命名实体识别模型。
排序理由 该集群描述了一篇介绍用于评估自然语言处理模型基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →