主动选样增强推理
利用大语言模型的上下文学习能力，通过主动生成候选源数据和选择最优演示，显著提升跨域场景下的实体解析性能。
Ziheng, Zhang · Zeng, Weixin · 唐九阳 · 黄宏斌 · 赵翔
Information Fusion 2025
利用大语言模型的上下文学习能力，避免了对目标域数据的大量微调，从而显著降低计算资源需求。
通过主动生成候选源数据和演示选择，为每个查询选择最优示范，提升模型在目标域上的推理性能。
在多个基准测试上，该框架显著优于现有跨域实体解析方法。