跳转到主要内容
Docision 是一个开源的多模态文档决策工具。它根据页面上的文字、表格、版式和图像信息,从你提供的候选答案中做出选择。你可以用它做文档分类、信息核对和业务分流。 以发票审核为例,你可以在同一次请求里判断票据类型、检查盖章情况,并根据业务规则选择归档、补齐材料或人工复核。

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。
同一页有多道题时,可以启用 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。