AI/ML-инженер и product builder | NURM · CV · iOS
- На сайте с
- 2026 года
- Юридический статус
- Частное лицо
Построить полностью локальный Document AI/VLM-конвейер, который преобразует страницы исторической ботанической книги и иллюстрации в проверяемую JSON-запись. Система должна не только выбирать корректный объект из закрытого каталога, но и соблюдать строгую схему вывода, фиксировать происхождение результата и корректно воздерживаться от ответа, если входных данных недостаточно.
Подготовил public-domain источник, 336 обучающих примеров и заранее отделённую оценку из 64 задач для закрытого каталога восьми кандидатов. Адаптировал локальную Qwen3.5-4B через PEFT/LoRA, добавил schema-first валидацию, отдельную семантическую проверку полной записи и отрицательные тесты на воздержание. Сравнение baseline и кандидата проводилось на одинаковых held-out заданиях без внешнего AI API.
Семантически точная полная запись выросла с 55/64 до 61/64 задач — с 85,9% до 95,3%. Строгая машинная точность выросла с 1/64 до 61/64, но основная часть этого скачка связана с устранением Markdown-обёрток и соблюдением выходного JSON-контракта. На отрицательных проверках получено 16/16 корректных schema-valid отказов. Граница: результат относится к одной public-domain книге, закрытому каталогу из восьми кандидатов и 64 held-out задачам; это не доказательство распознавания произвольных книг или видов.
