应用介绍
几百份发票、合同、报表 PDF 摆在面前，要把供应商、金额、日期、明细行一个个填进表格。每家格式都不一样，模板规则写到一半又被新版式打回原形。
lift 的做法是反过来：你给一份 JSON schema 描述想要什么字段，它就从 PDF 或图片里直接抽出一个符合这个 schema 的 JSON。它是 Datalab 开源的 9B 视觉模型，用 schema 约束解码，保证输出一定是合法 JSON，不会半截断掉或多出奇怪的字段；找不到的字段老老实实填 null，不瞎编。多页文档一次过完，跨页的值也能接上。
官方在 225 份、每份 6 到 64 页、约 11000 个字段的抽取基准上测得字段准确率 90.2%，单文档中位延迟 9.5 秒，比同为 9B 的 Qwen3.5-9B 高出不少。装一个 pip 包就能跑，不用先搭环境、写模板。
按 schema 抽取：传入任意 JSON schema，返回对应结构的 JSON，发票示例里 11 个字段从单页直接抽出，不需要模板或字段映射。
多页一次处理：整份文档单次推理，跨页的值和很长的列表也能处理。
两种推理方式：本地 HuggingFace，或接 vLLM 服务（推荐，安装更轻）。
命令行好上手：
Schema Studio：一个 Streamlit 应用，用来搭建、保存 schema 并拿自己的文档测试。
授权要留意：代码 Apache-2.0，模型权重是 OpenRAIL-M，商业自托管需要向 Datalab 申请许可；想要更高准确率可以用官方托管平台。
lift 的做法是反过来：你给一份 JSON schema 描述想要什么字段，它就从 PDF 或图片里直接抽出一个符合这个 schema 的 JSON。它是 Datalab 开源的 9B 视觉模型，用 schema 约束解码，保证输出一定是合法 JSON，不会半截断掉或多出奇怪的字段；找不到的字段老老实实填 null，不瞎编。多页文档一次过完，跨页的值也能接上。
官方在 225 份、每份 6 到 64 页、约 11000 个字段的抽取基准上测得字段准确率 90.2%，单文档中位延迟 9.5 秒，比同为 9B 的 Qwen3.5-9B 高出不少。装一个 pip 包就能跑，不用先搭环境、写模板。
软件功能
按 schema 抽取：传入任意 JSON schema，返回对应结构的 JSON，发票示例里 11 个字段从单页直接抽出，不需要模板或字段映射。
多页一次处理：整份文档单次推理，跨页的值和很长的列表也能处理。
两种推理方式：本地 HuggingFace，或接 vLLM 服务（推荐，安装更轻）。
命令行好上手：
pip install lift-pdf 后用 lift_extract 处理单个文件、内联 schema 或整个目录。Schema Studio：一个 Streamlit 应用，用来搭建、保存 schema 并拿自己的文档测试。
授权要留意：代码 Apache-2.0，模型权重是 OpenRAIL-M，商业自托管需要向 Datalab 申请许可；想要更高准确率可以用官方托管平台。
