Dharma Field Extractor:任意文档输入,结构化字段以 JSON 输出

AI小蝌蚪AI 前沿📡 BestBlogs·AI高分精选⭐ 882026-11-05753 阅读💛 233 收藏
Dharma Field Extractor:任意文档输入,结构化字段以 JSON 输出

📌 One-Sentence Summary

Dharma Field Extractor 是一款 2-billion 参数模型,可从任意类型的文档中提取结构化字段并以 JSON 返回;在字段级 F1 上表现优于前沿 LLM,运行成本则低得多。

📝 Summary

Dharma Field Extractor 是一款基于 DharmaOCR-LITE v1.1 构建的 2-billion 参数模型,专门用于从文档中提取结构化字段,并以带类型的 JSON 返回结果。它支持两种模式:开放式提取,即模型根据上下文和版面识别结构化字段;以及按模式提取,即用户指定确切的字段名称、类型和嵌套结构。模型使用 43,384 个样例进行训练,覆盖英语多领域、巴西葡萄牙语和多语言数据,所有样例均按字段级别标注。在一项涵盖 546 份文档、共 1,638 个字段提取案例的基准测试中,模型取得 0.834 的 F1 分数,优于 Claude Opus 5(0.816)和 GPT-5.6 Luna(0.741);它只需在单台 L40S 上运行,成本比前沿 API 低 6-147 倍。模型能够正确处理 SROIE 收据和 FUNSD 表单等复杂情况,包括为缺失字段返回 null 值,以及准确提取手写文本。

💡 Main Points

专用字段提取模型

Dharma Field Extractor 是一款经过优化的 2-billion 参数模型,专门用于从文档中提取指定字段并返回结构化 JSON,填补了通用 OCR(提取所有文本)与通用 LLM(处理大批量字段提取任务成本较高)之间的空白。

双重提取模式

模型支持开放式提取(无需预设模式,根据上下文和版面识别结构化字段)和按模式提取(返回符合用户指定名称、类型及嵌套结构的字段);对于缺失字段,它会返回 null 值,而不是产生幻觉。

基准测试表现出色,成本效益高

在一项涵盖 1,638 个字段提取案例的基准测试中,模型的 F1 分数达到 0.834,优于 Claude Opus 5(0.816)和 GPT-5.6 Luna(0.741);它只需在单台 L40S 上运行,每次提取的成本比前沿 API 低 6-147 倍。这表明,在范围明确的任务上,专用小模型可以胜过通用模型。

💬 Key Quotes

一款 2-billion 参数模型取得了 0.834 的分数,高于我们测试的所有前沿配置:Claude Opus 5 为 0.816,GPT-5.6 Luna 为 0.741。它只需在单台 L40S 上运行,每次提取的成本也低于对比中的所有 API。

OCR 能为你提供页面上的文本,并忠实保留原始格式。如果任务是处理整份文档,这正是你想要的……但还有另一种使用场景:你不需要整页内容,而是想从中提取特定字段,并以便于下游系统使用的格式输出。

在同一基准测试、同一次运行中,质量更高,成本更低。

📊 Article Meta

AI Screening: 88

Source: Hugging Face - Blog

Author: Gabriel Pimenta de Freitas Cardoso, Paulo Henrique de Medeiros Araujo, Bruno Duarte, Francisco de Almeida Rocha Alves

Category: 人工智能

Language: 英文

Read Time: 7 min

Word Count: 1672

Tags:

AI 与智能应用 , 模型训练与推理 , AI 产品与应用 , 文档解析 , 开放权重模型

#AI 与智能应用# 模型训练与推理# AI 产品与应用# 文档解析# 开放权重模型

文章评论(12)

林拾贝11 天前

赞同,实践出真知。

回复
星知秋11 天前

这篇文章分析得很透彻,收藏了!

回复
墨向阳11 天前

收藏了,以后慢慢研究。

回复
龙文博11 天前

有没有更详细的教程,期待后续。

回复
北岛渔夫11 天前

看完了,收获满满,期待更多更新。

回复
逐光而行11 天前

不错不错,已加入书签。

回复
蓝问津11 天前

支持作者,持续关注中。

回复
杨丽华11 天前

不错不错,已加入书签。

回复
蓝归舟11 天前

很有价值的分享,感谢整理。

回复
石佳琪11 天前

写得挺用心的,支持一下。

回复
黄小刚10 天前

收藏了,以后慢慢研究。

回复
白向阳10 天前

点赞,必须点赞

回复