Pulpie - Models for Cleaning the Web

Pulpie 是 Feyn Labs 发布的 HTML 主内容抽取模型族，用 encoder 对 HTML block 做 content/boilerplate 标注，一次 forward pass 完成清洗。最小模型 `pulpie-orange-small` 只有 210M 参数，WebMainBench ROUGE-5 F1 为 0.862，接近 600M Dripper 的 0.864；在 NVIDIA L4 上 13.7 pages/sec，对比 Dripper 的 0.68 pages/sec。它的意义在于 web-scale 预训练和 RAG 抽取中，清洗质量和清洗成本往往同时卡住数据管线。