Fine-tuning a reasoning model with GRPO for passport data extraction

Fine-tuning a reasoning model with GRPO for passport data extraction

摘要

本文探讨了如何通过GRPO技术优化护照信息提取模型。传统OCR方法在处理格式多样性和多语言文本时存在局限，而GRPO通过强化学习提升模型的推理能力，显著提高了提取准确性。实验表明，结合SFT和GRPO的模型在结构化字段提取上表现优异，尤其改善了MRZ数据的准确性。该方法为复杂文档处理提供了新思路，但仍有优化空间。