Un modelo pequeño, resultados medidos: extracción de comprobantes de pago móvil
Especializamos GLM-OCR (~0,9B) con LoRA para extraer referencia, monto, moneda y fecha de comprobantes de pago móvil. En la prueba automática pasó de 20% a 100% de casos completos; en la comprobación visual, de 35,7% a 78,6%.
Experimento 01 · Comprobantes de pago móvil · v1
Especializamos GLM-OCR (~0,9B) con LoRA para extraer referencia, monto, moneda y fecha de comprobantes de pago móvil.
Un caso es correcto cuando coinciden los cuatro campos normalizados. Cada comparación usa las mismas imágenes antes y después del ajuste.
Prueba automática filtrada
200 imágenes. Con los cuatro datos correctos: base 20% (40 de 200) y ajustado 100% (200 de 200).
Comprobación visual
14 imágenes separadas. Con los cuatro datos correctos: base 35,7% (5 de 14) y ajustado 78,6% (11 de 14).
Cómo leer el 100%: corresponde a 200 casos filtrados con etiquetas automáticas contrastadas con registros bancarios. No equivale a una transcripción manual exhaustiva. En la comprobación visual separada quedaron 3 de 14 casos con algún error.
Recursos del entrenamiento
- Ciclo de entrenamiento: 4 h 21 min. Incluye validaciones periódicas.
- Pico de VRAM (PyTorch): 4,29 GiB de memoria asignada a tensores.
- Hardware de este experimento: RTX 3060 con 12 GiB de VRAM.
Datos, entrenamiento y tiempo de evaluación
Separación por pago, conversación y SHA-256, sin grupos compartidos. La selección de checkpoint mide pérdida en 128 imágenes de validación; la evaluación generativa compara 200 de las 955 de prueba. Las 14 revisadas visualmente se mantienen separadas.
1,60 s base / 1,87 s ajustado
Promedio por imagen: el ajustado tardó un 17,0% más en esta corrida secuencial. Son tiempos observados, no una prueba de carga concurrente. La preparación de datos y esta evaluación final quedan fuera de las 4 h 21 min del ciclo de entrenamiento.
Alcance y errores pendientes
- Las etiquetas automáticas provienen de OCR de alta confianza contrastado con registros bancarios.
- En los 14 casos visuales: una confusión de referencia y dos monedas inferidas como VES cuando la unidad no aparecía.
- Dataset histórico de un banco receptor y varios emisores. Nuevos formatos requieren validación propia.
- El texto bruto puede llevar etiquetas vacías de pensamiento o Markdown; el script extrae y normaliza el objeto JSON.
Informe y artefactos
Fuentes del informe: comparison.json, training_metrics.json, dataset_summary.json y release_verification.json.