Hugging Face集成GLM-OCR，多模态模型引入思维链

Hugging Face Transformers仓库已接收关于集成GLM-OCR模型的代码请求。该架构深度继承GLM-4V技术栈，采用视觉与文本双网络设计，支持图像和视频的双重模态输入。GLM-OCR不仅拥有高精度文字解析能力，还创新性地引入了思维链机制。通过“标签进行内部逻辑梳理，该模型在复杂视觉问答场景下的判断准确率得到显著提升。