探索以 $9 成本訓練 GLiNER 模型自動取代 Gemini 進行職人刀銘牌辨識

這是一個典型的「以特定領域資料微調開源模型以取代通用大模型」的最佳實踐範例。對開發者而言，證明瞭在資料品質極高但數量有限的場景中，經過精心策劃的小型 Fine-tuning 專案（ROI 很快）比直接使用高開銷的模型更具實用價值。同時也揭示了當代微調工作流中常見的工程隱患（如張量維度邏輯）往往比資料集本身更難解決。