Google Document AI模型定制遇阻：训练失败及Labeling Task无进展求助

一、先把数据集问题解决 #

• 文档类型要统一：所有训练、测试文档得是同一种结构，比如都是同行业的年报、同类型的合同，结构差异太大模型根本学不会。20个样本数量不算多，但得保证每个要提取的章节在所有文档里都有对应位置，不能有的文档有某章节，有的没有。
• 手动标注要规范：
  • 框选章节边界得精准，比如“财务摘要”章节要完整包含标题和所有内容，别只标内容漏了标题，也别框选范围超出章节。
  • 标签命名统一，别一会用“第一章”一会用“Section1”，全用中文或全用英文，避免模型混淆。
  • 标注完必须在数据集页面验证：检查每个文档的标注有没有漏标、错标，系统会提示标注质量问题，全部修复后再启动训练。
• Labeling Task卡壳的排查：
  • 先看任务配置：是不是选对了文档类型，标签集和之前手动标注的一致不一致，有没有要求标注不存在的字段。
  • 查日志：在GCP日志资源管理器里搜Labeling Task的日志，看有没有报错，比如文档加密、扫描件太模糊、权限不够之类的，这些都是常见卡壳原因。

二、训练配置要踩对要点 #

• 选对模型类型：提取章节类结构化数据，直接用自定义文档提取器（Custom Document Extractor），别用通用模型。
• 训练参数设置：
  • 数据集分配：至少70%训练集、30%测试集，20个样本的话就14个训练、6个测试，别乱分配。
  • 训练时长：默认时长可能不够，第一次训练直接拉满最长时长（比如24小时），避免提前终止导致失败。
  • 开增强功能：如果是扫描件文档，开“OCR增强”；如果章节有固定格式规律，开“模板匹配增强”，能提升模型效果。
• 训练失败排查：
  • 看训练日志：在训练页面点“查看日志”，重点找“标注质量低”“样本不足”“文档格式错误”这类提示，照着改就行。
  • 权限检查：确保账号有Document AI Editor、Storage Object Viewer权限，别因为权限不够读不了数据集。

三、迭代优化才出效果 #

• 第一次训练完，不管成不成，先看评估报告：重点看每个章节字段的精确率和召回率，识别差的字段就补充标注样本，比如某个章节只有3个样本，加到8-10个。
• 用增量训练：每次改标注或补数据后，别从头训练，用增量训练，省时间还能保留之前的训练成果。

内容的提问来源于stack exchange，提问作者Pitso Walter