You can deploy this model and start earning money today!

snnh/
paddleocr_vl_code_ocr

Name: paddleocr_vl_code_ocr
Rating: 2.5 (12 reviews)

PaddlePaddle/PaddleOCR-VL-1.6

finetune

apache-2.0

Views

No views yet

PaddleOCR-VL-1.6 开发场景代码 OCR 微调模型

本模型基于 PaddleOCR-VL-1.6 微调，面向 IDE、终端、Traceback、配置、Git diff、文档代码块、API 表格和多区域开发截图中的结构保真 OCR。当前模型版本为 v6，并作为 PaddleOCR 全球衍生模型挑战赛决赛冻结方案。

在线体验：PaddleOCR-VL 开发场景代码 OCR Demo。Space 使用 CPU 免费硬件时会降低 token 上限以控制等待时间，正式 Benchmark 以本地 GPU 参数为准。

Demo 实测

图中一次 CUDA 推理耗时 20.4 秒，使用 max_new_tokens=4096、repetition_penalty=1.08、max_time=90s、run_timeout=120s。

使用方法

推荐提示词：

<image>OCR:

正式推理参数：

text

max_tokens=4096
repetition_penalty=1.08
temperature=0

输出只应包含图片中的可见文字，不应解释、总结、补全或修复代码。不同提示词和采样参数可能显著改变输出风格与 Benchmark 结果。

训练概况

基础模型：PaddlePaddle/PaddleOCR-VL-1.6。
微调方式：LoRA 后导出合并模型。
训练提示词：<image>OCR:。
最大序列长度：16384。
训练快照：1102 条开发场景 OCR 样本。
数据范围：IDE、终端、报错日志、配置文件、diff、文档代码块、API 表格及困难画面。

组成	数量	来源与处理
混合截图	436	联网采集的合规公开开发截图，经二次加工，以及项目作者手动截图
代码渲染图	258	代码、配置、命令、日志和文档片段的本地渲染图
人工筛选批次	360	388 张候选经模型分类、人工筛选和审计后保留
人工转写补充	48	受研究用途许可约束的 IDE 候选经人工转写和筛选

新批次采用“项目作者准备—第一模型预标注—第二模型复核—项目作者终审—脚本审计”的流程。模型结果只作为草稿或差异意见，不直接成为最终真值。训练数据不随模型或本仓库发布；公开截图和第三方素材仍受其原始许可约束。冻结审计中训练集与 304 题测试集图片 SHA-256 重叠为 0。

完整来源、人员职责、终审规则和测试集隔离说明见决赛最终版训练数据构建报告。

Benchmark v5.2

Benchmark v5 内容版本 5.2 共 304 题，覆盖 P01-P09 九类开发场景和 simple、medium、hard 三档难度。模型 v6 按正式参数完成 304/304 推理，并使用 tencent/hy3:free、reasoning 关闭的统一六维裁判口径计分。

指标	结果
`final_score_v5`	58.4427
原始积分	60.3374
类别加权分	72.8633
全局样本均值	73.3494
严格可用率	38.1579%
完成率	99.0132%
安全分	90.7895%
平均 NED	0.1744

LLM 裁判存在约 ±0.5 的展示误差。v5.2 不应与 v4、其他内容版本或不同提示词组直接混排。完整规则与对照结果见 GitHub Benchmark v5。

适用场景

从 IDE、终端和调试工具截图中提取可搜索文本。
转写配置、日志、Traceback、diff 和 API 表格。
为开发文档归档、问题排查或辅助标注提供 OCR 草稿。

局限性

复杂 API 表格、长 Traceback、多区域界面和深层嵌套配置仍可能发生阅读顺序或结构错误。
极小字号、模糊拍屏、压缩伪影和罕见符号会降低准确率。
模型可能漏字、误认符号或重复文本；重要输出必须人工复核。
本模型用于转写，不应视为代码生成、代码修复或安全分析工具。

许可

模型权重和仓库代码按 Apache License 2.0 发布。第三方训练素材不随模型重新分发或重新授权，仍受各自许可和使用条款约束。

致谢

感谢 PaddleOCR 与 PaddlePaddle 社区提供基础模型、工具链和赛事平台。

snnh/paddleocr_vl_code_ocr