用 GLiNER 构建超越零样本的文档 AI 抽取流水线

作者描述其采购订单实体识别系统因不同客户 PDF 版式、表头位置和列顺序变化，准确率从 94% 跌至 67%，正则与坐标查找方案难以维护。文章提出改用 GLiNER，并结合自定义微调、滑动窗口和严格验证来提升跨版式抽取能力。正文片段未给出微调数据量、窗口参数或对比指标，实际效果尚待验证。

AI推荐理由 文章以作者自述的采购订单解析场景切入：基于正则和坐标查找的 NER 系统准确率从 94% 降至 67%，原因是不同客户 PDF 的版式、表头位置和列顺序不一致；随后提出用 GLiNER 结合自定义微调、滑动窗口和严格验证来替代零样本方案。具体新信息是这一工程化组合思路和版式漂移导致的失败案例，对文档 AI 落地有参考价值。局限在于正文片段只给出问题背景和方向，未提供微调数据规模、滑动窗口参数、验证集指标或与零样本基线的对比结果，因此无法判断实际效果；来源为 Medium 个人技术博客，非官方或独立评测。