NE-R1: Enhancing Named Entity Recognition Model via Reinforcement Learning

• 类型：arxiv
• 标识：2609.02366
• 链接：http://arxiv.org/abs/2609.02366v1
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：This paper proposes NE-R1, a novel framework for adaptive retrieval-augmented NER, which achieves state-of-the-art performance on various benchmarks, with an average F1 score gain of 2.52% in in-domain evaluation and 1.18% in zero-shot cross-domain evaluation.
• OpenAlex ID：W7207592423
• OpenAlex DOI：10.48550/arxiv.2609.02366
• DOI：10.48550/arxiv.2609.02366
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2609.02366
• OpenAlex更新：2026-09-05
• 待LLM分类：否
• 标题中文：NE-R1：通过强化学习增强命名实体识别模型
• TLDR中文：本文提出 NE-R1，一种面向自适应检索增强 NER 的新框架，在多个基准上达到 SOTA 性能，域内评估平均 F1 提升 2.52%，零样本跨域评估平均 F1 提升 1.18%。
• 来源文件：
• /inbox/tom/_candidates/2026-09-03-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]