当前最先进的共指消解系统通常需要对每篇文档调用多次大语言模型（LLM），因此在许多应用场景中（例如大规模语料库的信息抽取）成本过高。目前领先的词级共指消解系统（WL-coref）在仅需极低计算开销的情况下，即可达到主流SOTA系统96.6%的性能表现。本文中，我们识别出WL-coref存在一个常见但关键的失败案例：对并列提及结构（如“Tom and Mary”）的处理能力不足。为此，我们提出了一种简单而有效的解决方案，在OntoNotes测试集上的F1分数提升了0.9%，使高效词级共指消解方法与昂贵的SOTA方法之间的性能差距缩小了34.6%。我们提出的“并列感知词级共指消解模型”（Conjunction-Aware Word-level coreference model, CAW-coref）及其代码已开源，可通过 https://github.com/KarelDO/wl-coref 获取。