332MB 本地文档分拣模型 BeeNara v0.4:不见过的文件夹准确率 91.5%
razer_psycho · reddit · 2026-10-28
作者发布 BeeNara v0.4(Apache-2.0),一个 332MB 的 CPU 本地文档分拣模型,把文档归入你的文件夹或回答 none fits。在 1500 个从未见过的文件夹树、命名与文档任务上,准确率从 v0.2 的 70% 升到 v0.4 的 91.5%。新增 Learn-then-Test 阈值机制:90% 置信度下保证错误归档不超 1%,v0.4 实际自动归档 59% 任务、错误率仅 0.3%。还推出 Qwen 2B 底座的 BeeNara Big,读取整棵文件夹树(最多约 600 个文件夹)加页面图像,24 文件夹内 92-94% 准确率,需 GPU 约 4.3GB(8-bit)。关键教训:label smoothing 会毁掉不确定时的询问能力,去掉后同样准确率且阈值可通过认证。训练数据全合成,由两个本地教师模型互检生成,覆盖 32 种文档类型并加真实 OCR 噪声。局限:大数据树中有时自信地错、只能建议;receipts 和劣化扫描件仅 60-80%。
「编程与Agent」频道最新
- Petabyte 推闲置休眠式 Agent 托管：事件触发唤醒,不为空转付费 — Petabyte-Cloud · 2026-10-28
- 让 Claude 自建 Obsidian 插件，在 iPhone 上审阅视频编辑 — evielync · 2026-10-28
- 开发者把五大模型编成一个多智能体系统,手机无线操控桌面电脑 — RileyRalmuto · 2026-10-28
- 一张立绘生成完整 VTuber 模型，开发者用 Claude+Codex 跑通制作套件 — bdsqlsz · 2026-10-28
- Ahrefs 播客:内容总监 Ryan Law 一天 vibe code 出一个完整网站 — 5le · 2026-10-28
- 开发者用 if/for/while 一句话讲透微软四款 Copilot 的本质区别 — pswider · 2026-10-28