ELTE学士论文开源本地小模型财务单据抽取失败分类仓库
热点事件持续更新
ELTE学士论文开源本地小模型财务单据抽取失败分类仓库
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
ELTE 信息学院学士论文项目（Sufi3130）在 GitHub 发布 financial-doc-failure-taxonomy 仓库，开源一套完全本地、无需 GPU 的财务单据结构化抽取流水线，核心贡献是对小型本地模型抽取失败模式的分类法。流水线用 PaddleOCR 或 Tesseract 加 Phi-3 Mini、Qwen2.5-3B、Llama-3.2-3B 的 Q4 GGUF 模型，在笔记本 CPU 上运行，处理发票、银行对账单和工资单，数据不离开本机，符合 GDPR。 论文结果显示 Qwen2.5-3B 整体最强，SROIE 四字段全对 44%（Phi-3 为 26%）且速度快约一倍；OCR-free 的 Qwen2.5-VL-3B 在杂乱单据上更准（SROIE 四字段 62%），但在 CPU 上慢 2.6 到 8.5 倍，且无法区分阅读错误与抽取错误。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 16:38
ELTE 学士论文仓库：小型量化 LLM 财务单据抽取的失败模式分类报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- GitHub · 灵魂体仓库精选ELTE 学士论文仓库：小型量化 LLM 财务单据抽取的失败模式分类
ELTE 信息学院学士论文项目开源了完全本地、无需 GPU、符合 GDPR 的财务单据（发票、银行对账单、工资单）结构化抽取流水线，用 PaddleOCR 或 Tesseract 加 Phi-3 Mini / Qwen2.5-3B / Llama-3.2-3B Q4 GGUF 模型，核心贡献是财务文档抽取失败模式分类。结果显示 Qwen2.5-3B 整体最强，SROIE 四字段全对 44%（Phi-3 为 26%）且速度快约一倍；OCR-free 的 Qwen2.5-VL-3B 在杂乱单据上更准（SROIE 四字段 62%），但在 CPU 上慢 2.6 到 8.5 倍且无法区分阅读错误与抽取错误。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。