Hugging Face 釋出 Dharma Field Extractor 抽取模型

2026 年 11 月 5 日，Hugging Face 通過其官方部落格釋出 Dharma Field Extractor，稱這是一個 20 億引數的文件結構化抽取小模型。Hugging Face 介紹，該模型能從任意型別的文件中直接輸出使用者指定欄位的結構化 JSON，在特定任務上超越了其測試過的多款前沿 LLM，且成本極低。

Dharma Field Extractor 延續了此前的 DharmaOCR-LITE 路線。Hugging Face 在 2026 年 4 月釋出了 DharmaOCR-LITE，這是一個面向多種文件（從合同、法院卷宗到發票、身份證件和表單）的 OCR 專用模型；其論文為領域專門化提出了一個有限的、經過嚴謹衡量的論點，即更接近任務的更小模型在該任務上可以勝過通用前沿 API。Hugging Face 當時強調，OCR 得到的是忠實於原始版式的文字，適合需要整份文件的任務，例如從頭到尾閱讀的合同或需要數字化的手稿；但還存在另一類需求，使用者需要的不是整頁文字，而是特定的結構化欄位。