К содержимому
Другое

docstructure-4b-v64-m3k-cut24-fullm

модель для анализа структуры документов

2 мин чтенияобновлено

Эта модель создана на базе Qwen3.5-4B (языковая модель с открытым исходным кодом от команды Qwen) и обучена анализировать структуру документов. Она принимает на вход изображения страниц и текстовые регионы, а на выходе формирует иерархическое дерево заголовков. Модель была получена путём обрезки базовой модели до 24 блоков, промежуточного обучения LoRA (небольшая надстройка над базовой моделью для быстрой адаптации) с последующим полным слиянием весов и дообучением. Она подойдет разработчикам и исследователям, занимающимся парсингом сложных документов и автоматическим извлечением оглавлений.

Ключевые особенности

  • Специализация: построение дерева родителей для каждого региона разметки документа.
  • Архитектура: усеченная версия Qwen3.5-4B, содержащая первые 24 языковых блока.
  • Обучение: комбинация первоначального обучения ранга-16 LoRA и последующего полного обновления весов языковой части.
  • Формат вывода: использование специальных одно-токенных маркеров из словаря для быстрой генерации связей.

Что можно сделать

  • Анализ документов: обрабатывать многостраничные PDF-файлы или сканы для автоматического создания оглавлений.
  • Интеграция в пайплайны: использовать модель в системах OCR (распознавание текста) и извлечения структуры для научных или юридических текстов.

Пример

Модель использует стандартные конфигурационные файлы, а также скрипты регистрации шаблонов вроде register_lz.py и common.py для работы с изображениями страниц и токенами.

ПодробнееПотеря на отложенной выборке: 0.031 (у слияния было 0.036).
Бенчмарки HeadTEDS (MarathonDocBench / MPDocBench): 57.06 / 61.21 (draft-head, bf16).
Обучающие данные: 185 синтетических документов с окнами от 1 до 90 страниц.
Обсудить Telegram 0 9

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.0 GB · готовые файлы8.2 GB
  • FP8 / INT8рекомендуемвеса 3.5 GB4.4 GB
  • 4-bitвеса 2.0 GB2.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # caligo-org/docstructure-4b-v64-m3k-cut24-fullm
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download caligo-org/docstructure-4b-v64-m3k-cut24-fullm --local-dir ~/models/docstructure-4b-v64-m3k-cut24-fullm
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к docstructure-4b-v64-m3k-cut24-fullm
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3.5-4B-Base

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

caligo-org/docstructure-4b-v64-m3k-cut24-fullm
Автор
caligo-org
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

90

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

AGP-Qwen3.6-35B-A3B

AGP-Qwen3.6-35B-A3B
Компьютерное зрение

Script2Play-4B

Script2Play-4B