---
title: SmartResume
canonical_url: "https://www.modelscope.cn/models/Alibaba-EI/SmartResume"
md_url: "https://www.modelscope.cn/models/Alibaba-EI/SmartResume.md"
repository: Alibaba-EI/SmartResume
chinese_name: "简历解析专用模型"
last_updated: 2026-05-28
license: "Apache License 2.0"
pipeline_tag: universal-information-extraction
tasks:
  - universal-information-extraction
base_model:
  - Qwen/Qwen3-0.6B
base_model_relation: finetune
parameters: 596.0M
tensor_type:
  - BF16
library_name:
  - onnx
  - safetensors
  - pytorch
frameworks:
  - Pytorch
downloads: 4752
stars: 78
---

# SmartResume

> SmartResume - Alibaba-EI 在 ModelScope 开源的模型。简历解析专用模型

Alibaba-EI/SmartResume 是 ModelScope 魔搭社区上的 596.0M 参数universal-information-extraction模型，采用 Apache License 2.0 许可，基于 Qwen/Qwen3-0.6B 构建。

- **Repository**: Alibaba-EI/SmartResume
- **License**: Apache License 2.0
- **Tasks**: universal-information-extraction
- **Parameters**: 596.0M
- **Base model**: Qwen/Qwen3-0.6B
- **Downloads**: 4752
- **Stars**: 78
- **Last updated**: 2026-05-28

Source: https://www.modelscope.cn/models/Alibaba-EI/SmartResume

---

# SmartResume - 智能简历解析系统

<div align="center">
  <img src="assets/logo.jpg" alt="SmartResume Logo" width="80%" >
</div>


<p align="center">
    💻 <a href="https://github.com/alibaba/SmartResume">Code</a>&nbsp&nbsp | &nbsp&nbsp🤗 <a href="https://www.modelscope.cn/models/Alibaba-EI/SmartResume">Model</a>&nbsp&nbsp | &nbsp&nbsp🤖 <a href="https://modelscope.cn/studios/Alibaba-EI/SmartResumeDemo/summary">Demo</a>&nbsp&nbsp | &nbsp&nbsp📑 <a href="https://arxiv.org/abs/2510.09722">Technical Report</a>
</p>


## 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。
<div align="center">
  <img src="assets/image.png" alt="pipline">
</div>

## 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。
<div align="center">
  <img src="assets/results.jpg" alt="demo">
</div>


## 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

#### 您可以通过如下git clone命令，或者ModelScope SDK来下载模型

SDK下载

```bash
#安装ModelScope
pip install modelscope
```

```python
#SDK模型下载
from modelscope import snapshot_download
model_dir = snapshot_download('Alibaba_EI/SmartResume')
```

Git下载

```
#Git模型下载
git clone https://www.modelscope.cn/Alibaba_EI/SmartResume.git
```

## 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}
}
```

<p style="color: lightgrey;">如果您是本模型的贡献者，我们邀请您根据<a href="https://modelscope.cn/docs/ModelScope%E6%A8%A1%E5%9E%8B%E6%8E%A5%E5%85%A5%E6%B5%81%E7%A8%8B%E6%A6%82%E8%A7%88" style="color: lightgrey; text-decoration: underline;">模型贡献文档</a>，及时完善模型卡片内容。</p>