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。
- 准备两张原创图片
- 标明原文范围
- 取得grounding输出
- 分配证据类型
- 检查描述越界
- 构建图文索引
- 交付图片台账
1. 准备两张原创图片
在报告放一张木工作台图与一张花材整理图，各配题注。
题注写“图1 工具检查”和“图2 材料分组”，不包含推测性成效。
2. 标明原文范围
把题注文字与图中可见标签单独列入作者参考。
照片场景没有写出的事实不能算原文。
3. 取得grounding输出
保留image和caption两类块，不先合并它们。
若模型没有识别caption，记录漏项而不是把描述改名为题注。
4. 分配证据类型
image说明标generated_description，caption标transcribed_caption。
两者都绑定原页和bbox，但引用资格不同。
5. 检查描述越界
查看是否猜测人物身份、地点或“效率提高”等原图看不出的结论。
越界描述标待审，不写成报告事实。
6. 构建图文索引
索引可同时包含题注与描述，但界面明确标来源。
逐字引用只使用可核对的原文题注。
7. 交付图片台账
保存图片裁切、题注原文、模型描述和审核决定。
未经执行的描述保持空值，作者示例不得充当模型结果。
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
- image描述与caption转写分字段。
- 引用原文不使用生成描述。
- 每图可回到对应bbox和页码。
常见问题
模型说“先进工厂”，能当PDF原话引用吗？
不能。image块是生成的视觉描述，不是原页逐字文字；本课把它与caption转写分开，原文引用必须回到可见题注核对。
图片描述有用，为什么还保留题注？
两者解决不同问题。描述有助于检索场景，题注提供可核对原文和图号，保留两类来源能防止生成内容污染证据。