Dharma Field Extractor：文档转结构化 JSON 的 20 亿参数模型

20 亿参数专用模型按 schema 抽取文档字段并输出 JSON

资讯摘要

Dharma 团队发布 Field Extractor，基于 DharmaOCR-LITE v1.1 的 20 亿参数模型加 LoRA 适配器，输入文档图像后可按开放模式或指定 schema 输出结构化 JSON，字段带类型、缺失字段返回 null。作者报告在 546 份文档、1638 个用例的基准上，字段级 F1 比测试的通用前沿模型高 1.8 至 9.3 分，自托管成本低约 6 至 147 倍。

要点速读

1. 模型基于 20 亿参数的 DharmaOCR-LITE v1.1，在其上训练 LoRA 适配器，数据含 43384 个样本，覆盖英文多领域、巴西葡语及多语言文档。
2. 支持开放模式（自动识别字段）与 schema 指定模式（按给定键名和类型输出，缺失字段返回 null），同一 checkpoint 无需按文档类型微调。
3. 作者报告基准含 546 份文档、1638 个用例，字段级 F1 领先 Claude Opus 5 1.8 分、领先 GPT-5.6 Luna 9.3 分；成本对比基于自托管单张 L40S 与各厂商公开定价。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/5 08:00:36（北京时间）。