Hugging Face 发布 Dharma Field Extractor 抽取模型

2026 年 11 月 5 日，Hugging Face 通过其官方博客发布 Dharma Field Extractor，称这是一个 20 亿参数的文档结构化抽取小模型。Hugging Face 介绍，该模型能从任意类型的文档中直接输出用户指定字段的结构化 JSON，在特定任务上超越了其测试过的多款前沿 LLM，且成本极低。

Dharma Field Extractor 延续了此前的 DharmaOCR-LITE 路线。Hugging Face 在 2026 年 4 月发布了 DharmaOCR-LITE，这是一个面向多种文档（从合同、法院卷宗到发票、身份证件和表单）的 OCR 专用模型；其论文为领域专门化提出了一个有限的、经过严谨衡量的论点，即更接近任务的更小模型在该任务上可以胜过通用前沿 API。Hugging Face 当时强调，OCR 得到的是忠实于原始版式的文字，适合需要整份文档的任务，例如从头到尾阅读的合同或需要数字化的手稿；但还存在另一类需求，用户需要的不是整页文字，而是特定的结构化字段。