想象你刚跳槽到一家新公司。HR 只带你绕了一圈，边走边说：“这位是财务部的林姐，这位是渠道组的陈总，那位戴黑框眼镜的是算法组的李博。”第二天早上，你在电梯里就能准确认出他们，甚至能喊出称呼。这并不神奇——因为你早已练出了“认人”的眼力，懂得看五官比例、走路姿态这些稳定特征，而不是死记衣服颜色。传统命名实体识别（NER）就像发给你一本员工花名册，对着几千张照片反复比对才能认人；而小样本 NER 只给你三两句话的“介绍”，就要求你认出一类全新的人（实体）。本文就用“快速记住新面孔”这条线，带你搞懂标注不够时，模型如何照样把实体识别做好。

岗位关联

学会小样本 NER，意味着你能在标注成本极高的垂直行业（医疗、法律、金融）只用几十条样本就快速上线实体识别，这是 NLP 落地中稀缺且有价值的能力。

目录
  1. 可视化演示
  2. 问题定义：标注稀缺下的新实体识别
  3. 少样本学习范式：先练“认人”的眼力
  4. 原型网络：用“综合印象”认人
  5. 元学习方法：学会如何快速学会
  6. 提示学习：借语言模型“旧记忆”认新类型
  7. 数据增广：给模型补几张“不同角度照片”
  8. 新类型识别：认出“没见过的人”
  9. 实践与评估：实战中的衡量与落地
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

展示小样本命名实体识别三种方法：原型网络的类原型向量计算、元学习的episodic训练范式、以及提示学习的模板化NER，理解标注稀缺场景的解决方案。

本节配有交互动效（进入视口后自动加载，约 3KB）。

原型网络Prototypical Network 支持集：每类K个标注样本计算原型向量 原型计算：类内样本embedding的均值 查询分类：query到各原型距离最近者 proto_c = mean(f(x_i)), i ∈ S_c 通过原型向量实现少样本条件下的新类型NER

问题定义：标注稀缺下的新实体识别

花名册再厚，也盖不住公司未来的新面孔。传统 NER 靠上万条标注把“人名、地名、机构名”这类固定类型背得滚瓜烂熟，可一旦业务要新增“疾病名”“药品名”“法条名”，就得重新标注、重新训练，成本高得劝退。而现实里，新类型总在冒出来，就像公司永远在招新人。

小样本 NER（Few-shot NER）解决的核心问题正是：每个新实体类型只给 K 条（通常 5~20 条）标注样本，模型能否快速学会识别，且不遗忘旧类型。“实体”指文本中的人名、地名、机构名、疾病名等；“识别”有两层含义——先圈出实体边界（哪儿到哪儿是一个实体），再给出类型（是人名还是地名）。

与普通 NER 最大的不同：小样本 NER 假设新类型在训练时从未出现，模型必须凭借在大量相似任务上练出的通用能力完成迁移。三个挑战随之而来：类别内多样性不足，5 条样本覆盖不了该类型的所有写法；跨类型泛化困难，模型容易过拟合旧类型；新旧类型易混淆，边界需要小心区分。这也是它成为新领域快速落地与垂直行业 NER 首选方案的直接原因。

回到入职比喻：小样本 NER 不是给你一本更薄的花名册，而是教你会“看人”。真正值钱的是模型从旧任务里练出的眼力，而不是背下某几个类型。

NER:(s1,s2,…,sn)↦{(ei,ti)}i=1m\text{NER}: (s_1, s_2, \ldots, s_n) \mapsto \{(e_i, t_i)\}_{i=1}^{m}
通俗理解：NER 就是把一长串词，“压缩”成若干“实体片段 + 类型”的清单。
  1. 输入句子s₁ 到 sₙ 是句子按词切分后的序列，例如“张三在北京上班”
    (s1,s2,…,sn)(s_1, s_2, \ldots, s_n)
  2. 输出实体清单模型输出 m 个实体片段 eᵢ，每个带着类型 tᵢ
    {(ei,ti)}i=1m\{(e_i, t_i)\}_{i=1}^{m}
  3. 映射符号箭头表示从原始文本到结构化标签的转换任务本身
    ↦\mapsto

少样本学习范式：先练“认人”的眼力

同样是认人，老保安先看骨相和步态，实习生却盯着衣服颜色。衣服天天换，骨相不会变。少样本学习范式要做的，就是把模型的注意力从“衣服”（表面用词）转移到“骨相”（本质特征）——通过特殊的训练组织方式练出这种眼力。

这种范式叫少样本学习（Few-shot Learning）。训练时把数据组织成一个个“任务”（episode）：每次从旧实体类型中随机抽 N 个类型，每类抽 K 条标注样本，组成支撑集（support set）；再从同样的 N 个类型中抽若干样本作为查询集（query set）。模型先“看”支撑集临时理解任务，再在查询集上预测并计算损失。

这就是 N-way K-shot 的含义：N 表示实体类型数，K 表示每类标注条数。训练时不断更换任务组成，让模型见惯“小样本”的场面。上线时遇到全新类型，模型只需用同样方式组织支撑集，就能把“如何适应”的本能迁移过去。

保安不是天生会认人的——他经历过千百次“只看三张照片就必须认出目标”的考核。少样本范式就是让模型经历千百次迷你考核，把“快速适应”训练成本能。

Ti=(Si,Qi),Si={(xj,yj)}j=1N×K,∣Qi∣=N×Q\displaystyle \mathcal{T}_i = (\mathcal{S}_i, \mathcal{Q}_i), \quad \mathcal{S}_i = \{(x_j, y_j)\}_{j=1}^{N \times K}, \quad |\mathcal{Q}_i| = N \times Q
通俗理解：每个任务就是一次“迷你认人考核”——支撑集是给你的几张照片，查询集是考你能否把陌生人认出来。
  1. 任务 Tᵢ一次少样本模拟任务，由支撑集与查询集两部分组成
    Ti=(Si,Qi)\mathcal{T}_i = (\mathcal{S}_i, \mathcal{Q}_i)
  2. 支撑集 Sᵢ含 N 个类型、每类 K 条标注样本，共 N×K 条，相当于“临时教材”
    Si={(xj,yj)}j=1N×K\mathcal{S}_i = \{(x_j, y_j)\}_{j=1}^{N \times K}
  3. 查询集 Qᵢ含 N 类 × 每类 Q 条待预测样本，用来检验模型学得如何
    ∣Qi∣=N×Q|\mathcal{Q}_i| = N \times Q

原型网络：用“综合印象”认人

被介绍认识林姐时，你不会记住她每个角度的照片，而是形成一个模糊却稳定的综合印象：圆脸、银框眼镜、语速偏慢。下次碰面，你比对的是这个印象而不是某张照片。原型网络（Prototypical Network）把这条路搬进了模型。

做法很直观：每个实体类型的支撑样本，先用编码器 f_θ 映射到语义特征空间，取它们的均值作为该类型的“原型”（prototype）。于是每个类型在空间里就是一个点。识别查询样本时，把它也映射进同一空间，计算到各原型的距离，距离最近者胜出。

训练损失是距离上的 softmax 交叉熵：目标类型的负距离越大，概率越高。这个目标迫使特征空间呈现“同类聚拢、异类推开”的结构——这正是小样本分类最想要的性质。

原型就是你对林姐的综合印象。查询样本往空间一站，离谁近就归谁。简单、可解释，更妙的是新增类型只需新增一个原型点，模型完全不用重训。

ck=1∣Sk∣∑(xi,yi)∈Skfθ(xi),P(y=k∣x)=exp⁡(−d(fθ(x),ck))∑j=1Nexp⁡(−d(fθ(x),cj))\displaystyle c_k = \frac{1}{|S_k|} \sum_{(x_i, y_i) \in S_k} f_{\theta}(x_i), \qquad P(y=k|x) = \frac{\exp(-d(f_{\theta}(x), c_k))}{\sum_{j=1}^{N} \exp(-d(f_{\theta}(x), c_j))}
通俗理解：原型就是每类样本的“平均印象”，识别就是看查询样本离谁的综合印象近。
  1. 原型 cₖ第 k 类所有支撑样本嵌入向量的平均，是该类在空间中的代表点
    ck=1∣Sk∣∑(xi,yi)∈Skfθ(xi)\displaystyle c_k = \frac{1}{|S_k|} \sum_{(x_i, y_i) \in S_k} f_{\theta}(x_i)
  2. 编码器 f_θ把句子编码成稠密向量的模型，实践中常用 BERT 类预训练模型
    fθ(x)f_{\theta}(x)
  3. 距离度量 d通常用欧氏距离，衡量查询样本与某个原型在空间中的远近
    d(fθ(x),ck)d(f_{\theta}(x), c_k)
  4. softmax 概率负距离越大概率越高，最终取概率最大的类别作为预测
    P(y=k∣x)=exp⁡(−d(fθ(x),ck))∑j=1Nexp⁡(−d(fθ(x),cj))\displaystyle P(y=k|x) = \frac{\exp(-d(f_{\theta}(x), c_k))}{\sum_{j=1}^{N} \exp(-d(f_{\theta}(x), c_j))}

元学习方法：学会如何快速学会

有一种人“特别会学新东西”：转行做安检，三天就能认出违禁品成像特征。问诀窍，他说自己辨过上千张图，知道该看轮廓和材质密度。元学习要学的，就是这种“如何快速学会”的能力。

MAML（Model-Agnostic Meta-Learning）是其中的代表。它的核心思路：不直接学习一个能识别所有类型的模型，而是学习一组“稍微调整就能上手”的初始参数 θ。拿到新任务时，从 θ 出发，在支撑集上做几步梯度更新，模型就已经很好用。

训练分内外两层循环。内层：对每个任务 Tᵢ，从 θ 出发，用支撑集梯度更新几步，得到适应后参数 θ′ᵢ；外层：汇总所有任务适应后在查询集上的表现，反向更新 θ，让“从 θ 起步去适应新任务”这件事整体上越来越容易。

你认识同事靠的不是背诵，而是大脑被亿万年进化打磨出的“快速认人”启动器。MAML 交付的正是模型版的启动器——不是知识本身，而是快速获得知识的能力。

θi′=θ−α∇θLTi(fθ),θ←θ−β∇θ∑TiLTi(fθi′)\displaystyle \theta_i' = \theta - \alpha \nabla_{\theta} \mathcal{L}_{\mathcal{T}_i}(f_{\theta}), \qquad \theta \leftarrow \theta - \beta \nabla_{\theta} \sum_{\mathcal{T}_i} \mathcal{L}_{\mathcal{T}_i}(f_{\theta_i'})
通俗理解：MAML 不教模型认哪个类型，而是教它“怎么快速学会认一个新类型”——交付的是一副好用的“认人方法论”。
  1. 内层更新θ 沿任务 Tᵢ 的梯度走一小步，得到适应后的 θ′ᵢ
    θi′=θ−α∇θLTi(fθ)\displaystyle \theta_i' = \theta - \alpha \nabla_{\theta} \mathcal{L}_{\mathcal{T}_i}(f_{\theta})
  2. 学习率 α控制内层“临时学几步”的步长，通常取很小值
    α\alpha
  3. 外层更新用所有任务适应后的查询集表现，反推初始参数 θ 的梯度
    θ←θ−β∇θ∑TiLTi(fθi′)\displaystyle \theta \leftarrow \theta - \beta \nabla_{\theta} \sum_{\mathcal{T}_i} \mathcal{L}_{\mathcal{T}_i}(f_{\theta_i'})
  4. 学习率 β控制元学习“学会学习”的整体速度
    β\beta

提示学习：借语言模型“旧记忆”认新类型

认识新同事最快的方式，常是别人附上一句：“就是季度会上讲数据中台的那位。”这句话是提示（prompt），帮你把旧记忆与眼前的人挂钩。提示学习（Prompt-based Learning）给小样本 NER 递上的，正是这样一句“介绍词”。

预训练语言模型（如 BERT、GPT）读过海量文本，脑子里存着大量语言知识。提示学习构造一个带 [MASK] 的模板，比如“这位患者被诊断为 [MASK]”，让模型预测被遮住的词。若模型在 [MASK] 处填出“高血压”，而“高血压”恰被映射到“疾病”类型，我们就判定该实体属于疾病类。

两个关键组件决定效果：模板（template）负责把实体嵌入恰当的句式；标签词映射（verbalizer）把每个实体类型对应到一组代表性词汇，如“疾病”→{高血压，糖尿病，肺炎}。人工只需设计少量模板词，就能把大模型的预训练知识“释放”到新类型上。

同事的一句提示让你“哦，原来是他”；模板就是模型认人的提示词。模型不需要重新学疾病是什么——它只是被提醒：这些知识你早已见过。这正是大模型在少样本场景“给点提示就上手”的原因。

y^=arg⁡max⁡w∈VkPLM([MASK]=w∣Template(x))\displaystyle \hat{y} = \arg\max_{w \in \mathcal{V}_k} P_{\text{LM}}\big([\text{MASK}] = w \mid \text{Template}(x)\big)
通俗理解：模型不需要重新学“疾病是什么”，它只是被一句提示唤醒旧记忆，然后在候选词里挑一个最合理的答案。
  1. 模板 Template(x)把实体 x 包进带 [MASK] 的自然语言句式，如“他被诊断为 [MASK]”
    Template(x)\text{Template}(x)
  2. 预测概率 P_LM预训练语言模型在 [MASK] 位置给出各候选词的概率
    PLM([MASK]=w∣Template(x))P_{\text{LM}}([\text{MASK}] = w \mid \text{Template}(x))
  3. 标签词集合 Vₖ第 k 类实体对应的词表，由 verbalizer 人工或自动定义
    Vk\mathcal{V}_k
  4. argmax选出概率最高的标签词，从而判定实体类型
    y^=arg⁡max⁡w∈VkPLM([MASK]=w)\hat{y} = \arg\max_{w \in \mathcal{V}_k} P_{\text{LM}}([\text{MASK}] = w)

数据增广：给模型补几张“不同角度照片”

记住新同事不能只看一张证件照——他戴帽子、侧身时你可能就认不出了。多看他几个瞬间，印象才牢靠。数据增广（Data Augmentation）做的就是：用自动手段给每条标注样本“换几个角度”，让模型从有限的 K 条里看到更多样貌。

常见手段有三类。同义词替换：将句中的普通词换成近义词，如“患者购买”→“病人购买”，实体不动；回译：中文→英文→中文，得到语义相近、措辞不同的新句；大模型合成：让 GPT 类模型照几个示例续写风格相近的句子，并保留原实体标注。

增广不是越多越好。替换词改动了实体边界、回译产生不通顺表达、大模型把实体放进错误语境，都会变成噪声标注，污染原型均值。所以增广后必须做质量把控：实体边界与类型不变、语句通顺、分布与原数据一致，宁少勿滥。

照片角度多了，走廊偶遇才认得出。增广的本质就是低成本“补拍”：让模型对同一类型建立更丰满的印象，而不是死记那几条句子。

x′=BackTranslate(x)=MTen→zh(MTzh→en(x))\displaystyle x' = \text{BackTranslate}(x) = \text{MT}_{\text{en} \to \text{zh}}\big(\text{MT}_{\text{zh} \to \text{en}}(x)\big)
通俗理解：把句子送到国外“转一圈”再回来，意思没变，说法却换了，等于免费补拍一张新角度照片。
  1. 原始样本 x含实体及类型标签的标注样本，如“张三[人名]去医院”
    xx
  2. 先译英将中文机翻成英文，打乱原句的措辞和语序
    MTzh→en(x)\text{MT}_{\text{zh} \to \text{en}}(x)
  3. 再译中从英文翻回中文，得到语义相近但表达不同的新句子 x′
    MTen→zh(⋅)\text{MT}_{\text{en} \to \text{zh}}(\cdot)
  4. 标签继承新句子原样保留实体标注，低成本得到一条新样本
    x′x'

新类型识别：认出“没见过的人”

更考验认人的场景来了：公司来了个岗位你没听过的人——“这位是数据合规官”。他是人是职位？此时你需要的是“我知道我不认识他”。开放世界的小样本 NER 不仅要识别已知类型，还要能识别未知类型。

原型网络天然适合做拒识。既然每个类型是特征空间里的一个原型点，那么查询样本若距离所有原型都远，就说明它不属于任何已知类型。设定距离阈值 τ，相似度低于 τ 就判为“未知”，交给人工。这让模型从“闭世界分类器”升级为“开放世界识别器”。

新类型被确认后还有一条捷径：不用重训模型，只要把新类型支撑样本的均值挂到原型列表里，一个新原型就建好了。冷启动阶段，可用大模型远程监督、规则或词典先生成一批初始标注，人工只修正少量样本，系统就能转起来。

认人高手都敢说“这个人我不认识”，而不是硬编身份。新类型识别让小样本 NER 变成持续成长系统——每确认一个新人就新增一个原型，越用越全。

Conf(x)=max⁡kexp⁡(−d(fθ(x),ck)),y={未知,Conf(x)<τarg⁡max⁡k,其他\displaystyle \text{Conf}(x) = \max_k \exp\big(-d(f_{\theta}(x), c_k)\big), \qquad y = \begin{cases} \text{未知}, & \text{Conf}(x) < \tau \\ \arg\max_k, & \text{其他} \end{cases}
通俗理解：熟人的印象再模糊也有个底，远到“完全对不上号”时，诚实地承认不认识，而不是硬编一个身份。
  1. 置信度 Conf(x)查询样本与最近原型的相似度，由负距离取指数得到
    Conf(x)=max⁡kexp⁡(−d(fθ(x),ck))\displaystyle \text{Conf}(x) = \max_k \exp\big(-d(f_{\theta}(x), c_k)\big)
  2. 阈值 τ人为设定的拒识界限，相似度低于它就判为未知类型
    Conf(x)<τ\text{Conf}(x) < \tau
  3. 兜底 argmax相似度足够时，仍取最近原型对应的已知类型
    arg⁡max⁡k\arg\max_k

实践与评估：实战中的衡量与落地

认人能力行不行，不能凭感觉，要看误抓与漏放的统计。NER 落地同样需要标尺：精确率（Precision）、召回率（Recall）与调和平均 F1。实体级别上，边界与类型都完全正确才算“认对”。

工程要点有三。编码器选型：中文场景常用 BERT-wwm、MacBERT 作底座，它们决定特征空间可分离性；N/K 对齐：训练任务的 N-way K-shot 要尽量贴近真实场景，比如业务是 3 类 × 10 条，就练 3-way 10-shot；验证集构建：留出部分旧类型扮演“新类型”，防止调参时偷看答案。

趋势上，小样本 NER 正与生成式大模型融合：大模型做数据合成、提示做推理、原型做约束，三者常常组合。对小团队而言，“大模型合成 + 小样本精调”是性价比最高的路径。

保安考核同时统计误抓和放跑，F1 帮我们找到两者平衡。有了标尺，小样本 NER 才能真正从实验室走进生产线。

F1=2×P×RP+R,P=TPTP+FP,R=TPTP+FN\displaystyle F1 = \frac{2 \times P \times R}{P + R}, \qquad P = \frac{TP}{TP + FP}, \qquad R = \frac{TP}{TP + FN}
通俗理解：精确率管“别误抓好人”，召回率管“别放走坏人”，F1 是两者的平衡分。
  1. TP 真正例正确识别出的目标实体数，要求边界与类型都正确
    TPTP
  2. 精确率 P预测出的实体中真正正确的比例，衡量“误抓”多不多
    P=TPTP+FP\displaystyle P = \frac{TP}{TP + FP}
  3. 召回率 R真实实体中被找出的比例，衡量“漏放”多不多
    R=TPTP+FN\displaystyle R = \frac{TP}{TP + FN}
  4. F1 调和平均兼顾精确与召回，防止只偏袒其中一项
    F1=2×P×RP+R\displaystyle F1 = \frac{2 \times P \times R}{P + R}

AI 应用场景

医疗电子病历的实体冷启动

阶段：数据准备与模型训练阶段

解决的问题：病历中的疾病名、药物名、检查项目需要逐句人工标注，医生时间宝贵、标注成本极高；训练传统 NER 需上万条标注，新科室接入还要重新适配。少样本 NER 只需医生每类标注 10~20 条，原型网络即可上线，再配合增广与主动学习持续迭代。

具体案例：某三甲医院信息科做病历质控，要在 20 个科室的病历中识别 15 类疾病名。工程师先用大模型远程监督生成候选标注，医生每类修正 20 条，随后用 BERT 编码器 + 原型网络上线，一周内达到 85% 的 F1；传统方案同等效果需要约三个月标注工期。

法律新规的即时实体识别

阶段：模型上线与知识迭代阶段

解决的问题：新法规颁布后，条款中的“行政处罚”“经营者集中”等新实体类型需要立刻可查，而律师逐条标注按小时收费。增量原型扩展让小样本 NER 在人工确认新类型后即时支持，不必整体重训。

具体案例：某法律科技公司维护法规数据库，2023 年新反垄断法发布后，标注员仅标注 30 条样本，模型即开始识别“经营者集中”“滥用市场支配地位”等新类型；配合回译增广，三天内新类型 F1 达 90%。

电商大促前的品牌属性抽取

阶段：数据标注与模型快速定制阶段

解决的问题：每年新品牌、新机型层出不穷，传统 NER 覆盖不了从未见过的品牌名；少样本 NER 用提示学习快速生成模板，结合原型网络识别新品。

具体案例：某电商平台 618 前需完成 500 个新品牌的属性抽取，运营同学用模板与标签词映射构造提示，再用原型网络分类查询样本，新品牌识别准确率快速达标。

Python 演示

python48 行
# -*- coding: utf-8 -*-"""小样本NER原型网络演示：支撑集建原型，查询样本按距离分类"""import numpy as np  class ProtoNet:    def encode(self, x):        return x  # 实际系统在此接入BERT编码器     def fit_predict(self, sx, sy, qx):        # 每类原型 = 该类支撑样本嵌入的均值        classes = np.unique(sy)        protos = np.array([self.encode(sx)[sy == k].mean(axis=0) for k in classes])        # 查询样本与所有原型算欧氏距离，取最近者        dist = np.linalg.norm(self.encode(qx)[:, None, :] - protos[None, :, :], axis=2)        return classes[dist.argmin(axis=1)], protos  def make_task(n_way=3, k_shot=3, n_query=6, seed=0):    rng = np.random.RandomState(seed)    centers = rng.randn(n_way, 8) * 2.0  # 每个实体类型一个语义中心    sx, sy, qx, qy = [], [], [], []    for k in range(n_way):        for _ in range(k_shot):            sx.append(centers[k] + rng.randn(8) * 0.3)            sy.append(k)        for _ in range(n_query):            qx.append(centers[k] + rng.randn(8) * 0.3)            qy.append(k)    return np.array(sx), np.array(sy), np.array(qx), np.array(qy)  def demo():    model = ProtoNet()    # 已见类型：训练阶段见过的实体类型    sx, sy, qx, qy = make_task(seed=0)    pred, _ = model.fit_predict(sx, sy, qx)    acc_old = (pred == qy).mean()    # 全新类型：换一组从未见过的类别，模拟新领域冷启动    sx2, sy2, qx2, qy2 = make_task(seed=42)    pred2, _ = model.fit_predict(sx2, sy2, qx2)    acc_new = (pred2 == qy2).mean()    print("已见类型识别准确率: %.1f%%" % (acc_old * 100))    print("全新类型识别准确率: %.1f%%" % (acc_new * 100))  if __name__ == "__main__":    demo()
目的：用合成数据演示原型网络“只靠支撑集建原型、不重训也能识别全新实体类型”的核心流程。
  1. class ProtoNet:原型网络主体，把“认人”简化成两个步骤：建原型、算距离
  2. def encode(self, x): return x占位编码器；真实系统换成 BERT，把句子编码成语义向量
  3. protos = np.array([self.encode(sx)[sy == k].mean(axis=0) for k in classes])每个实体类型取支撑样本均值，得到该类的“综合印象”
  4. dist = np.linalg.norm(self.encode(qx)[:, None, :] - protos[None, :, :], axis=2)查询样本与所有原型计算欧氏距离
  5. return classes[dist.argmin(axis=1)], protos距离最近的原型对应类别，即预测结果
  6. centers = rng.randn(n_way, 8) * 2.0每个实体类型在语义空间里有一个中心，样本围绕它小幅波动
  7. make_task(seed=42)换一组从未见过的中心，验证“不重训也能识别新类型”

常见误区

误区“不就是少标点数据嘛，把普通 NER 的训练数据从一万条减到一百条，模型多训练几轮就好了。”

正解小样本 NER 的关键不是“数据量的多少”，而是“训练范式”的转变。普通 NER 希望模型记住训练时见过的类型，而小样本 NER 假定新类型从未出现在训练中，模型必须通过 N-way K-shot 任务模拟练出“快速适应”的能力。数据少但训练方式不变，模型只会过拟合到旧类型；数据一样少但按任务组织训练，模型才能迁移。就像保安只背花名册永远认不了新人，练过“迷你考核”才会认新人。

为何常见：大家习惯把模型能力与数据量直接挂钩，容易忽略数据组织方式（任务化）对泛化能力的决定性影响。

误区“支撑样本越多，模型认识应该越准，那我直接标 50 条、100 条不就好了？”

正解小样本 NER 面向的是标注成本极其敏感的场景，K 通常取 5~20。更重要的是训练时的 N/K 必须与真实场景对齐：你上线时只有 3 类 × 10 条，训练却用 10-way 50-shot，模型学到的“适应难度”与你实际面对的根本不是一回事。另外，K 增大到一定程度后准确率提升边际递减，而标注成本线性上升，性价比急剧下降。

为何常见：直觉上“数据越多越好”根深蒂固，忽略了小样本范式的价值恰恰存在于 K 很小的约束下。

误区“每个类别求个平均就当原型，这方法也太简陋了，深度学习不可能这么简单吧？”

正解看似简单的均值在嵌入空间里有扎实的理论支撑：当编码器选用合适的度量（如 Bregman 散度）时，均值恰好是该类别指数族分布的中心估计。实践中原型网络在少样本图像、文本分类上表现优异，而且“距离最近原型”的决策规则高度可解释、天然支持增量类别。简单不等于弱，关键是它把“少样本问题”转化成了“特征空间里的几何问题”。

为何常见：深度学习圈子里对“花哨模型”的偏好，让很多人低估了干净有效的统计方法。

误区“反正是机器生成的，同义词替换、回译随便做几万条，模型一定学得更好。”

正解增广的本质是“假设原样本附近的点类型不变”。如果替换改变了实体边界、回译引入了不通顺表达、大模型把实体放进了错误语境，这些噪声样本会直接污染原型均值。增广必须配质量过滤：类型不变性检查、通顺度评分、与原分布一致性校验。宁少勿滥。

为何常见：因为增广看起来“免费”，人们容易忽略它引入的噪声标注和分布偏移成本。

误区“要识别新类型，把'未知'当第 N+1 类重新训练不就行了？”

正解简单加类别有两个问题：一是“未知”不是一个真实类别，它包含成千上万种可能的实体，无法用有限标注刻画；二是重训成本高，违背小样本初衷。正确的做法是利用几何距离做拒识（远离所有原型则判未知），并在确认后新增原型做增量扩展，让系统持续成长而不必全局重训。

为何常见：分类模型的思维定式让人习惯“类别数固定、加一类重训”，忽略了开放世界里未知类的开放性。

面试题

Q1. 小样本NER主要解决什么问题？

单选题 · easy

  • A.标注稀缺时快速识别新实体类型← 正确答案
  • B.提升大模型的文本生成流畅程度
  • C.降低推理时 GPU 显存的占用
  • D.自动清洗互联网上的噪声数据

答案：A。小样本 NER 的价值正在于标注稀缺时快速识别新实体类型，这与标注多寡直接相关。生成流畅度、显存占用、数据清洗都与小样本 NER 无直接关系。

Q2. N-way K-shot 中"K-shot"表示什么？

单选题 · easy

  • A.每个类别提供的标注样本数量← 正确答案
  • B.文本中实体类型的总数量
  • C.训练数据集的总文本条数
  • D.模型参数更新的总步数

答案：A。K-shot 指每个实体类型提供的标注样本条数；N-way 才指实体类型数量，总样本数 = N×K。训练文本条数和参数更新步数与 K-shot 定义无关。

Q3. 原型网络中每类别的原型向量如何得到？

单选题 · mid

  • A.该类支撑样本嵌入向量的均值← 正确答案
  • B.查询样本嵌入向量的加权和
  • C.随机初始化的可学习向量
  • D.词表中出现频次最高的词

答案：A。原型网络用支撑样本嵌入的均值作为类别原型，这正是“综合印象”的实现方式。查询样本加权、随机向量或词频都不符合原型网络的定义。

Q4. 查询样本在原型网络中被划分到什么类别？

单选题 · easy

  • A.嵌入距离最近的原型类别← 正确答案
  • B.随机选择的任意一个类别
  • C.词频最高的实体类型
  • D.训练损失最小的类别

答案：A。查询样本在特征空间中与各原型计算距离，被划分到距离最近的原型类别。随机选择、词频排序或训练损失都不是原型网络的分类依据。

Q5. 小样本NER常用的技术栈包括哪些？

多选题 · mid

  • A.元学习方法如 MAML 快速适应← 正确答案
  • B.原型网络按距离聚类分类← 正确答案
  • C.提示学习释放预训练知识← 正确答案
  • D.数据增广扩展现有样本← 正确答案

答案：ABCD。元学习、原型网络、提示学习、数据增广都是小样本 NER 的常用技术，分别对应“学会学习”“原型距离分类”“释放预训练知识”“扩充样本多样性”四个方向。

Q6. 元学习 MAML 训练的核心思想是什么？

单选题 · mid

  • A.学习一个易于快速适应新任务的初始参数← 正确答案
  • B.收集海量标注数据训练一个大模型
  • C.用规则穷举所有可能的实体类型
  • D.直接对每个新类型单独训练模型

答案：A。MAML 学习的是一个易适应的初始参数，任务到来时从该起点做几步更新即可胜任。海量数据、规则穷举、单任务训练都不符合元学习的“学会学习”目标。

Q7. 提示学习做小样本NER通常需要哪些组件？

多选题 · hard

  • A.自然语言模板与遮罩词预测← 正确答案
  • B.预训练语言模型提供知识← 正确答案
  • C.标签词映射连接类型与词← 正确答案
  • D.大规模人工标注实体数据

答案：ABC。模板（Template）、预训练语言模型（LM）、标签词映射（Verbalizer）是提示学习的三件套。大规模人工标注恰恰是少样本场景希望避免的。

Q8. 对小样本NER做数据增广时最需注意什么？

单选题 · mid

  • A.不能改变实体边界与实体类型← 正确答案
  • B.增广数量不能超过十句
  • C.只能使用英文语料进行增广
  • D.必须删除句子中的标点符号

答案：A。实体边界与类型不变是增广合法的底线。增广数量没有硬性上限，也不限语种，更不需要删除标点；破坏边界的增广会污染原型均值。

Q9. 开放世界小样本NER如何识别“未知的新类型”？

单选题 · hard

  • A.样本距所有原型都远则判为未知← 正确答案
  • B.对所有实体直接按名词短语切分
  • C.强制划分到概率最大的类别
  • D.随机抽样验证后才判定类型

答案：A。开放世界识别依靠几何距离：样本离所有原型都远时判为未知。强制分到最大概率类别会漏掉未知类型，切分与随机验证都不属于模型机制。

Q10. 面对一个全新领域 NER 冷启动，合理方案有哪些？

多选题 · extreme

  • A.大模型远程监督生成初始标注← 正确答案
  • B.用小样本范式训练特征提取器← 正确答案
  • C.基于原型特征做新增量扩展← 正确答案
  • D.完全放弃实体边界检测任务

答案：ABC。冷启动通常组合使用：大模型远程监督生成初始标注，小样本范式训练特征提取器，原型机制做增量扩展。放弃边界检测等于放弃 NER 本身。