关于Document AI HITL丢弃训练标签及自定义字段不显示的技术求助

一、模型训练效果优化建议 #

• 训练数据质量核查：50份样本数量不算多，先确认每份标注的一致性——比如自定义字段命名是否统一、标注边界是否准确（如金额、日期是否完整框选），避免标注歧义导致模型学习混乱。F1值低说明模型在召回或精确率上有明显短板，可拆分查看是漏检多还是误检多，针对性补充对应场景的样本。
• 样本多样性补充：采购订单可能存在不同格式（不同供应商、排版），若现有样本格式单一，模型泛化能力会很差。补充不同布局、不同扫描质量的样本，重点覆盖之前模型识别错误的字段场景。
• 训练参数调整：尝试调整train_test_split比例（比如从默认8:2改成7:3，给测试集留更多样本），或增加训练轮次（注意避免过拟合），也可启用图像增强训练选项（旋转、缩放文档图像）提升模型鲁棒性。

二、HITL标注异常排查 #

• 自定义字段配置验证：检查Custom Extractor的字段定义是否完整保存——确认控制台的字段列表中，所有自定义字段都已正确设置（字段类型、必填属性等）。字段名含特殊字符或格式错误，可能导致HITL界面无法加载字段。
• 训练标签关联检查：若训练标签丢失，确认训练数据集导入流程是否正确——训练时是否选择了包含完整标注的数据集，训练后有没有修改过字段定义（字段名修改会导致旧标签无法匹配）。可重新导入标注好的数据集，重新触发训练，确保标签与字段一一对应。
• HITL工作流配置核对：在HITL设置中，确认已将自定义Document Extractor关联到对应工作流，且勾选了“显示自定义字段”选项。若批量处理文档，检查输入格式是否符合要求（如PDF是否可编辑、图像分辨率是否达标），格式错误可能导致字段无法渲染。

三、其他排查方向 #

• 查看日志与错误信息：在Document AI的日志页面，搜索HITL处理相关日志，查看是否有字段加载失败、标签匹配错误的报错信息，直接定位问题根源。
• 小范围测试验证：先选取3-5份标注正确的文档，训练一个小型模型后启用HITL测试，看是否能正常显示自定义字段和标签。若小范围正常，再逐步扩大样本量，排查是否是大规模数据中的异常样本导致的问题。

内容的提问来源于stack exchange，提问作者UFFICIO AGROITTICA