展开本页目录
开始前准备什么
- LightOnOCR-3采用本地或自有授权服务；4B/0.8B为Qwen3.5架构，1B架构不同，显存还受图片与上下文影响，不承诺某张卡必定够用。
- 使用官方仓库锁定的兼容依赖；当前仓库说明vLLM0.30.0与Transformers5.16.1，模型卡的旧最低版本不能替代锁文件。
- 模型Apache2.0；仅空prompt或grounding是文档支持输入，原生PDF与检查无需付费，模型识别未执行。
- 准备同一页原稿
- 写纯转写请求
- 写grounding请求
- 保存原始输出
- 对比结构差异
- 核对同页事实
- 交付模式对照
1. 准备同一页原稿
排一页包含标题、正文、图表和页码的作者报告，保存PDF与渲染图。
两次请求使用同一张图及相同预处理，避免差异来自输入变化。
2. 写纯转写请求
请求只带页面图像，文字prompt为空。
不要附“完整识别”等额外句子，以免越出官方训练分布。
3. 写grounding请求
复制请求，只加入字面量grounding。
大小写和内容按官方例子，不把自然语言范围筛选塞进去。
4. 保存原始输出
分别存纯Markdown与带标记Markdown，记录真实模型、参数和finish状态。
原稿与验收参考不得当作目标模型输出。
5. 对比结构差异
纯转写看文字内容；grounding另查label和0到1000坐标。
缺坐标先确认调用的是3代模型与正确prompt。
6. 核对同页事实
检查标题、日期和三项数值在两种模式下是否一致。
有错回到原页逐项标差，不以另一模式文本自动替代。
7. 交付模式对照
保存输入摘要、两套请求与实际结果。
若未运行，页面只展示原稿和请求示范，明确输出待验证。
下载本课材料并开始操作
练习包包含本课的具体输入、可编辑数据、正反样例与七步说明。index.html 可离线查看原件和验收参考，actual-results.csv 用于记录你实际操作后的结果。
怎样确认已经完成
- 两请求仅模式文字不同。
- grounding结果有真实label与bbox才算取得。
- 标题日期数值均回原稿复核。
常见问题
LightOnOCR3能直接问“这页多少钱”吗？
官方推荐的输入是空prompt或grounding，任意其他指令属于分布外。本课先完整识别，再在本地按结构筛选金额，不把它当聊天问答模型。
grounding怎么没有坐标？
检查是否用了LightOnOCR-3以及字面量grounding。旧版只做纯OCR；请求或模型不匹配时应停止定位验收，不能自己补出看似模型返回的框。