Neuere Arbeiten zur Entitäts- und Relationsextraktion konzentrieren sich darauf, wie man eine verbesserte Span-Repräsentation aus einem vortrainierten Encoder gewinnt. Ein wesentlicher Limitierung bestehender Ansätze besteht jedoch darin, dass sie die Interrelation zwischen Spannen (Paaren) ignorieren. In dieser Arbeit stellen wir einen neuartigen Ansatz zur Span-Repräsentation vor, namens Packed Levitated Markers (PL-Marker), der die Interrelation zwischen Spannen (Paaren) durch strategisches Packen von Markern im Encoder berücksichtigt. Insbesondere schlagen wir eine benachbartenorientierte Packstrategie vor, die benachbarte Spannen integriert, um die Informationsstruktur der Entitätsgrenzen besser zu modellieren. Darüber hinaus entwickeln wir für komplexere Spannenpaar-Klassifikationsaufgaben eine objektorientierte Packstrategie, die jedes Subjekt zusammen mit allen zugehörigen Objekten packt, um die Interrelationen zwischen Spannenpaaren mit gleichem Subjekt zu erfassen. Die experimentellen Ergebnisse zeigen, dass unser Modell mit der verbesserten Marker-Features die Baselines auf sechs NER-Benchmarks übertrifft und auf ACE04 und ACE05 eine Steigerung der strikten Relation-F1 um 4,1 % bis 4,3 % bei höherer Geschwindigkeit gegenüber früheren State-of-the-Art-Modellen erzielt.