للغات التي لا تتوفر فيها موارد مشتقة، يعتبر نقل المعرفة من اللغات ذات الموارد الغنية حلاً فعالاً لتحديد الكيانات المسماة (NER). بينما تقوم جميع الطرق الحالية بنقل مباشر من النموذج المتعلم في اللغة المصدر إلى اللغة الهدف، تقترح هذه الورقة البحثية تعديل النموذج المتعلم باستخدام بعض الأمثلة المشابهة المعطاة في حالة الاختبار، مما يمكن أن يفيد التنبؤ باستغلال المعلومات الهيكلية والدلالية الواردة في هذه الأمثلة المشابهة. لهذا الغرض، نقدم خوارزمية تعلم متعددة الأهداف للعثور على تهيئة جيدة لمعلمات النموذج يمكنها التكيف بسرعة مع حالة الاختبار المعطاة ونقترح إنشاء مهام متعددة زائفة لتحديد الكيانات المسماة (pseudo-NER) للتدريب المتعدد الأهداف من خلال حساب تشابه الجمل. لتحسين قدرة النموذج على التعميم بين اللغات المختلفة بشكل أكبر، نقدم مخططًا للتغليف ونزيد دالة الخسارة بمصطلح أقصى إضافي أثناء التدريب المتعدد الأهداف. أجرينا تجارب واسعة على تحديد الكيانات المسماة بين اللغات باستخدام موارد محدودة عبر خمس لغات هدف. أظهرت النتائج أن طريقتنا تتفوق بشكل كبير على أفضل الأساليب الحالية في جميع المجالات.