热点事件持续更新
研究评估端侧命名实体识别模型可部署性
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月2日，arXiv自然语言处理领域发布一项关于端侧命名实体识别（NER）部署的研究。该研究针对准确率、成本、可靠性与置信度展开分析，系统评估了参数量在13M至8B之间的9种端侧NER系统，涵盖传统轻量级工具spaCy、双向编码器模型GLiNER（166M至460M参数），以及包括Qwen3和DeepSeek-R1系列在内的本地生成式大语言模型，为端侧环境下的实体识别任务提供了多维度的部署参考。
AI 根据报道生成 · 5 小时前更新
最新进展10月2日 12:00
研究评估了覆盖spaCy、GLiNER及Qwen3等9种13M至8B参数的端侧NER系统。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv 自然语言处理端侧命名实体识别部署研究：关于准确率、成本、可靠性与置信度的分析
该研究评估了 13M 至 8B 参数的 9 种端侧命名实体识别（NER）系统，涵盖 spaCy、双向编码器 GLiNER（166M-460M）及本地生成式大语言模型（Qwen3、DeepSeek-R1 系列）。
本事件热度走势
当前热度 9·可比范围峰值 10（10月2日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。