研究人员探索了使用大型语言模型（LLMs）对历史文本进行命名实体识别（NER）的应用，这项任务传统上需要大量的标注数据。通过使用零样本和少样本提示技术，研究表明，尽管大型语言模型的表现不及完全监督模型，但它们在历史文献上仍能取得有希望的性能。对于传统方法不适用的低资源历史语料库，这种方法为信息提取提供了一个可行的替代方案。 AI
影响 大型语言模型为传统方法不可行的历史文本信息提取提供了潜在解决方案。
排序理由 探讨大型语言模型在特定自然语言处理任务中应用的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2508.18090v2 Announce Type: replace-cross Abstract: Large language models (LLMs) have demonstrated remarkable versatility across a wide range of natural language processing tasks and domains. One such task is Named Entity Recognition (NER), which involves identifying and cl…