SmartResume - 智能简历解析系统

💻 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。

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。

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

@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。