[目的/意义]典故作为文学创作中一种重要且广泛使用的修辞手法，对于研究中国古代文学具有不可估量的价值。尽管如此，典故的自动识别技术尚未成熟，目前主要依赖人工识别。因此，对典故的智能识别技术有待进一步深入研究。[方法/过程]文章提出一种决策层融合大模型修正的典故引用识别方法。该方法结合了传统序列标注技术和通用大语言模型，引入提示模板在决策层进行输出融合，以提高识别的准确性。此外，文章还构建了一套专门针对典故识别问题的评价指标体系。[结果/结论]通过泛化式检验，AR_BBC_LP典故识别模型在实验中表现出色，P典、R典、F1典指标分别达到了89.75%、89.38%、89.56%，明显优于现有基线模型。结果表明，该模型不仅提升了传统序列标注模型的性能，还为大语言模型的应用开辟了新领域，也为典故识别及其在中国古代文学研究中的应用提供了新视角和强有力的方法支持。