研究人员开发了 Dripper，一个用于高效、准确地从网页中提取主要内容的轻量级框架。该方法将提取重构为使用小型语言模型（SLM）的约束序列标注任务，从而消除了生成性幻觉并实现了高吞吐量。Dripper-0.6B 模型在该框架内，在新建的 WebMainBench 基准测试中，表现出与 DeepSeek-V3.2(685B)、GPT-5 和 Gemini 2.5 Pro 等大型模型相媲美的性能，提供了效率和准确性的最佳平衡。通过在 Dripper 精选语料库上预训练一个 1B 模型，该框架的价值得到了进一步证明，该模型在下游任务中表现出显著的改进，并且该项目的权重和代码库已开源。 AI
影响 该框架可以显著提高用于训练大型语言模型的数据的效率和质量。
排序理由 研究论文，详细介绍了一种用于高效提取 HTML 的新框架和模型。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
