整理发票、合同和信件时，最麻烦的不只是逐份归档，还包括系统自信地放错地方。BeeNara 是一个专门做这件事的 332MB 小模型：输入文档和自定义文件夹名称，它会选择合适目录；如果没有匹配项，就回答“none fits”，把文件留给人检查。
它不要求用户重新训练模型，只需提供“Tax 2025”或“Invoices”这类普通文字标签。作者称，BeeNara 以 ONNX 格式运行——一种便于脱离训练框架部署模型的格式——在笔记本 CPU 上离线处理每份文档约需 0.2 至 0.3 秒，并支持英语和德语。它还采用 split-conformal prediction（用一部分数据为判断门槛做校准），重点不是每次都给答案，而是知道何时拒绝。作者自报的基准测试中，当正确类别根本不在候选列表里时，它能识别出 96.8% 的此类文档。测试范围和实际文件夹中的表现仍需更多验证，但这已经展示了小模型承担单一、明确任务的实用价值。