我们提出了一种面向文档级实体级关系抽取的联合模型。与以往侧重于句子内部提及对（mention pairs）的局部建模方法不同——这些方法通常需要在提及层面进行标注——我们的模型在实体层面进行操作。为实现这一目标，我们采用了一种多任务学习框架，基于共指消解技术，并通过结合全局实体信息与局部提及信息的多层次表示，利用多实例学习机制整合相关语义信号。在DocRED数据集上，我们的模型取得了当前最优的关系抽取性能，并首次报告了面向未来研究参考的实体级端到端关系抽取结果。实验结果表明，尽管联合学习方法在性能上与任务专用学习相当，但由于参数共享和训练步骤的减少，其效率更高。