snnh
/

paddleocr_vl_code_ocr

@@ -2,7 +2,6 @@
 language:
 - zh
 - en
-license: apache-2.0
 base_model: PaddlePaddle/PaddleOCR-VL-1.6
 pipeline_tag: image-text-to-text
 tags:
@@ -13,93 +12,76 @@ tags:
 - developer-tools
 ---
-# PaddleOCR-VL-1.6 开发场景代码 OCR 微调模型
-这是 PaddleOCR 全球衍生模型挑战赛提交用模型卡。本文档中文优先，必要英文术语仅用于模型平台兼容。
-当前初赛提交候选为 v6。
-## 模型简介
-本模型基于 PaddleOCR-VL-1.6 微调，面向开发场景 OCR。目标是识别 IDE 截图、终端输出、Traceback、配置文件、Git diff、文档代码块、API 表格、小字号和暗色主题等开发相关图片中的可见文字。
-推荐提示词：
-```text
-<image>OCR:
-```
-## 基础模型
-- 基础模型：PaddleOCR-VL-1.6。
-- 微调方式：LoRA 微调后导出合并模型。
-- 目标任务：代码文字识别 / 开发工具 OCR。
-## 数据概况
-当前训练索引 `train.json` 共 1102 条样本。公开仓库不直接发布训练数据，只说明数据类型和质量控制方法。数据主要覆盖：
-- IDE / 编辑器代码截图。
-- 终端、Shell、PowerShell 命令和输出。
-- Traceback、报错日志和诊断信息。
-- YAML / JSON / TOML / INI 配置文件。
-- Git diff、patch 和 PR 页面。
-- Markdown / 文档代码块。
-- API 表格、参数表和字段说明。
-- 小字号、压缩、暗色主题、拍屏等困难样本。
-最终 benchmark 测试集冻结，不参与训练和训练期调参。
-## 使用场景
-本模型适用于从开发场景截图中抽取可见文字，并尽量保留代码符号、缩进、换行、结构和阅读顺序。它不是代码修复或代码生成模型，不应补全图片中不可见的内容。
-推荐解码参数：
-```text
-max_tokens=4096
 repetition_penalty=1.08
 temperature=0
 ```
-## 阶段性评估
-benchmark v4 包含 100 个样本，覆盖 8 类开发 OCR 场景。评估采用六维 LLM 裁判，并按类别权重汇总最终分。测试集不参与训练和训练期调参。
-当前提交候选 v6 在 benchmark v4 上的结果：
-| 指标 | 数值 |
-| --- | ---: |
-| final_score_v4 | 61.08 |
-| 全局六维分 | 64.06 |
-| 类别宏平均 | 63.86 |
-| 最弱类别 | 44.54 |
-| 严格可用率 | 47.00% |
-| 完成率 | 96.00% |
-| 安全分 | 79.00% |
-| 平均 LLM | 74.05 |
-| 平均 NED | 0.1360 |
-完整 benchmark 与 demo 说明见 [GitHub docs/ocr_benchmark_v4.md](https://github.com/snnh/paddleocr-vl-code-ocr/blob/main/docs/ocr_benchmark_v4.md)。
-## 局限性
-模型在以下场景仍可能出错：
-- 极小或模糊文本。
-- 复杂 API 表格。
-- 深层嵌套配置文件。
-- 长 Traceback 输出。
-- 多区域混排截图。
-- 罕见符号、代码标点和缩进敏感内容。
-模型输出应只作为 OCR 转写结果使用，不能视为代码语义理解或代码正确性保证。
-## 许可说明
-本 Hugging Face 仓库发布的微调模型权重按 Apache License 2.0 开源。GitHub 仓库中的代码、脚本、配置摘要和文档同样按 Apache License 2.0 开源，除非具体文件另有说明。
-基础模型 PaddleOCR-VL-1.6 本身标注为 Apache-2.0。第三方数据集、训练/评估来源素材和比赛单独提交的评估集不随模型权重或 GitHub 仓库重新分发、重新授权，仍受各自来源的许可、使用条款和限制约束。
 ## 致谢

 language:
 - zh
 - en
 base_model: PaddlePaddle/PaddleOCR-VL-1.6
 pipeline_tag: image-text-to-text
 tags:
 - developer-tools
 ---
+# PaddleOCR-VL 开发场景代码 OCR 微调模型
+本模型基于 PaddleOCR-VL-1.6 微调，面向开发场景 OCR，重点识别 IDE 截图、终端输出、Traceback、配置文件、Git diff、文档代码块、API 表格、小字号和暗色主题等开发相关图片中的可见文字。
+## 在线 Demo
+🤗 [在线试用（HF Space）](https://huggingface.co/spaces/snnh/paddleocr-vl-code-ocr-demo)：上传开发场景截图即可在线体验，无需本地部署。
+HF Space 使用免费 CPU 硬件，仅作为可访问演示入口；首次加载需拉取模型权重，单图可能需要 1-5 分钟。benchmark 分数和正式复现口径以本地 GPU / OpenAI-compatible 接口结果为准。
+推荐提示词：
+```text
+<image>OCR:
+```
+## 模型信息
+- 基础模型：PaddleOCR-VL-1.6
+- 微调方式：LoRA 微调后导出合并模型
+- 任务类型：开发场景代码 OCR / image-to-text
+- 当前版本：v6 提交候选版本
+- 主提示词：`<image>OCR:`
+- 主 benchmark：benchmark v4 固定 100 题，`final_score_v4=61.08`
+## 推荐推理参数
+```text
+max_tokens=4096
 repetition_penalty=1.08
 temperature=0
 ```
+模型目标是只输出图片中可见文字，尽量保留代码符号、大小写、缩进、换行、结构和阅读顺序。它不是代码修复或代码生成模型，不应补全图片中不可见的内容。
+## 数据与评估
+当前初赛提交口径下，训练索引 `train.json` 为 2026-06-18 后的快照，共 1102 条样本（941 PNG / 161 JPG），平均目标文本长度 1153.7 字符。该规模只是当前提交快照，不代表最终成品或后续决赛版本；训练数据仍可能继续清洗、补充或回滚。数据主要覆盖：
+- IDE / 编辑器代码截图
+- 终端、Shell、PowerShell 命令和输出
+- Traceback、报错日志和诊断信息
+- YAML / JSON / TOML / INI 配置文件
+- Git diff、patch 和 PR 页面
+- Markdown / 文档代码块
+- API 表格、参数表和字段说明
+- 小字号、压缩、暗色主题、拍屏等困难样本
+当前 benchmark v4 使用 100 题冻结测试集，按 8 类开发 OCR 场景加权汇总。测���集不参与训练和训练期调参。
+阶段性 v4 结果：
+| 模型 | 提示词 | final_score_v4 | 平均 LLM | 平均 NED | 严格可用率 | 完成率 | 安全分 |
+| --- | --- | ---: | ---: | ---: | ---: | ---: | ---: |
+| PaddleOCR-VL-1.6 微调 v6 | `<image>OCR:` | 61.08 | 74.05 | 0.1360 | 47.00% | 96.00% | 79.00% |
+该分数是阶段性回归结果，最终比赛评审以官方规则和提交材料为准。
+## 局限性
+模型在以下场景仍可能出错：
+- 极小或模糊文本
+- 复杂 API 表格
+- 深层嵌套配置文件
+- 长 Traceback 输出
+- 多区域混排截图
+- 罕见符号、代码标点和缩进敏感内容
+模型输出应只作为 OCR 转写结果使用，不能视为代码语义理解或代码正确性保证。
 ## 致谢