Qwen2.5-VL-3B-Instruct
阿里巴巴推出的Qwen2.5系列视觉语言模型，参数量为3B，支持图文多模态理解与指令跟随
时间轴 (近 90 天)
学习曲线显示纵书版式加数据无法解决：零训练样本 8.7%，800 张 84.7%，2400 张与 3000 张均为 89.3%。
不加校验时，微调模型有 12.8% 的发票存在覆盖字段错误。
横排版式表现优异：测试集 97.3% 精确，未见过的横排版式上 99.0%；纵书是弱项：测试集 40.0%，主因是拉丁文本侧向印刷（注册号 62.7%，日期 82.7%），表格部分正常；未见过的全纵书版式中表格旋转，只有 4%。
开发者 raihan-js 使用 Qwen2.5-VL-3B-Instruct 搭配 QLoRA 适配器，在 3000 张合成发票上微调 1 轮，使用单张 RTX 3060 耗时 4 小时 57 分。
在 600 张合成发票测试集上，QLoRA 微调模型的整票精确率为 83.0%，自动批准率为 86.8%，已批准发票中校验覆盖字段错误为 461 中 0 个（上界 0.8%）。
零样本 Qwen2.5-VL-3B-Instruct 在测试集上的整票精确率为 5.3%，自动批准率为 8.1%；OCR + 规则基线的整票精确率为 37.8%，自动批准率为 55.0%。
Qwen2.5-3B 因许可证标记为 other 被排除，Qwen3-8B 因内存超出被排除；DeepSeek-R1-Distill-Qwen-1.5B 和 OLMo 2 1B 虽符合许可证要求，但在该 vLLM 镜像上无法加载。
研究者在视觉语言模型Qwen2.5-VL-3B-Instruct上，针对单一压缩比，用逐方案学习率调优加三种子重复验证了打平结论
全部知识事实 (8)
学习曲线显示纵书版式加数据无法解决：零训练样本 8.7%，800 张 84.7%，2400 张与 3000 张均为 89.3%。
50%待验证不加校验时，微调模型有 12.8% 的发票存在覆盖字段错误。
50%待验证横排版式表现优异：测试集 97.3% 精确，未见过的横排版式上 99.0%；纵书是弱项：测试集 40.0%，主因是拉丁文本侧向印刷（注册号 62.7%，日期 82.7%），表格部分正常；未见过的全纵书版式中表格旋转，只有 4%。
50%待验证开发者 raihan-js 使用 Qwen2.5-VL-3B-Instruct 搭配 QLoRA 适配器，在 3000 张合成发票上微调 1 轮，使用单张 RTX 3060 耗时 4 小时 57 分。
50%待验证在 600 张合成发票测试集上，QLoRA 微调模型的整票精确率为 83.0%，自动批准率为 86.8%，已批准发票中校验覆盖字段错误为 461 中 0 个（上界 0.8%）。
50%待验证零样本 Qwen2.5-VL-3B-Instruct 在测试集上的整票精确率为 5.3%，自动批准率为 8.1%；OCR + 规则基线的整票精确率为 37.8%，自动批准率为 55.0%。
50%待验证Qwen2.5-3B 因许可证标记为 other 被排除，Qwen3-8B 因内存超出被排除；DeepSeek-R1-Distill-Qwen-1.5B 和 OLMo 2 1B 虽符合许可证要求，但在该 vLLM 镜像上无法加载。
50%待验证研究者在视觉语言模型Qwen2.5-VL-3B-Instruct上，针对单一压缩比，用逐方案学习率调优加三种子重复验证了打平结论
50%