GitHub 仓库
查看中文 README、源代码和示例。
Docision-1.0 模型
在 Hugging Face 查看并下载模型权重。
快速开始
以下示例需要 Python 3.10 或更高版本,并使用编号为0 的 CUDA GPU。下载模型后,使用仓库自带的示例输入运行推理:
读取结果
examples/multiple.json 对同一张表格图片提出多道中英文问题。其中一道题问「表中重度营养不良(Severely malnourished)的 RR 是多少?」运行后,在 outputs/document-decisions.json 中用 id 找到这道题。下面是项目记录中的字段节选,分数保留八位小数。示例原图 · 输入 JSON · 完整运行记录
decision 显示模型选择了 A(3.4)。probability 用来比较同一道题的候选项得分。得分接近时,可以安排人工复核。
使用自己的文档图片
将下面的 JSON 保存为输入文件,再将--input 指向该文件。image 是相对于输入文件所在目录的图片路径,questions 列出要判断的问题和各自的候选答案。
stable 推理模式和前缀缓存来复用页面上下文。软件包配置说明
适用场景
你也可以用相同方式为工程图纸或科研图表提出有明确选项的问题,例如判断图例中的两条曲线分别代表哪个实验组。
接入方式
- 本地 Playground。在浏览器上传文档、填写问题和选项,直接查看判断结果。
- Python 或 HTTP API。把页面检查接入应用。提交 PDF 时,Docision 按页返回结果。软件包文档
- MCP。连接正在运行的 Docision 服务,在 Codex 或 Claude Code 中检查本地文档,并将结果导出为 JSON 或 CSV。MCP 接入说明
模型和公开评测
Docision-1.0 基于 Qwen3-VL-4B-Instruct。公开评测集doc-decision-bench 包含 608 张文档图片、2,617 对中英文问题,共 5,234 条语言记录,覆盖文档理解与决策、跨行业分类两类任务。评测集说明
项目在该评测集上公布的准确率为 Docision 96.18%、原始 Qwen3-VL-4B 86.78%、JEV-27B-VL 95.72%。官方评测结果
项目采用 Apache License 2.0。
