--- frameworks: - Pytorch tasks: - universal-information-extraction base_model: - Qwen/Qwen3-0.6B base_model_relation: finetune license: apache-2.0 --- # SmartResume - 智能简历解析系统
SmartResume Logo

💻 Code   |   🤗 Model   |   🤖 Demo   |   📑 Technical Report

## 项目介绍 SmartResume 是一个面向版面结构的智能简历解析系统，系统支持 PDF、图片及常见 Office 文档格式，融合 OCR 与 PDF 元数据完成文本提取，结合版面检测重建阅读顺序，并通过 LLM 将内容转换为结构化字段（如：基本信息、教育经历、工作经历等）。系统同时支持远程 API 和本地模型部署，提供灵活的使用方式。
pipline
## 基准测试 为了全面评估我们提出的框架，我们将其与一系列简历抽取基线进行比较，并在我们的流程中对大语言模型API进行基准测试。
demo
## 模型权重文件说明 本仓库包含 SmartResume 项目所需的两个核心权重文件，用于简历信息提取和版面分析。 ### 1. Qwen3-0.6B 大语言模型 **用途**: 简历文本信息提取和结构化处理 **基础模型**: Qwen/Qwen3-0.6B **模型类型**: 微调 (Instruction-tuned) #### 目录结构 ``` Qwen3-0.6B/ ├── model.safetensors # 模型权重文件 (主要文件) ├── config.json # 模型配置文件 ├── generation_config.json # 生成配置 ├── tokenizer.json # 分词器主文件 ├── tokenizer_config.json # 分词器配置 ├── vocab.json # 词汇表 ├── merges.txt # BPE合并规则 ├── special_tokens_map.json # 特殊token映射 └── added_tokens.json # 额外添加的token ``` **功能特点**: - 专门针对简历信息提取任务微调 - 能够提取基本信息、工作经历、教育背景等结构化信息 - 高精度、轻量级模型，推理速度快 ### 2. YOLOv10 版面检测模型 **用途**: 简历版面布局检测和区域分割 **模型文件**: best.onnx (约 265.81 MB) **任务类型**: 目标检测 (Object Detection) #### 目录结构 ``` yolov10/ └── best.onnx # YOLOv10 训练好的权重文件 ``` **功能特点**: - 支持多种版面布局识别 - 高精度区域定位 - 为文本提取提供准确的区域信息 ## 使用方式 ## Citation ```bibtex @article{Zhu2025SmartResume, title={Layout-Aware Parsing Meets Efficient LLMs: A Unified, Scalable Framework for Resume Information Extraction and Evaluation}, author={Fanwei Zhu and Jinke Yu and Zulong Chen and Ying Zhou and Junhao Ji and Zhibo Yang and Yuxue Zhang and Haoyuan Hu and Zhenghao Liu}, journal={arXiv preprint arXiv:2510.09722}, year={2025}, url={https://arxiv.org/abs/2510.09722} } ```

如果您是本模型的贡献者，我们邀请您根据模型贡献文档，及时完善模型卡片内容。