GLM-OCR开源登顶基准：0.9B参数实现SOTA性能，专攻复杂文档理解
GLM-OCR 是一款全新的开源多模态OCR模型，专为应对复杂文档理解场景而生。该模型基于 GLM-V 架构，创新性地引入了多令牌预测（MTP）损失函数和强化学习技术，显著提升了训练效率与识别精度。在权威的 OmniDocBench V1....
标签索引
文档理解
这个标签下有 3 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
AI编程工具进化论：Claude Code如何“读懂”Excel与PDF？
V2EX社区热议AI coding工具对传统文档格式的理解能力。用户发现Claude Code能够直接读取Excel接口文档、PDF流程图及Word需求文档，引发对其背后技术原理的关注。即便未手动配置多模态模型，Claude通常通过后台强大...
智谱发布GLM-OCR：0.9B参数实现SOTA，专攻复杂文档多模态理解
智谱AI发布开源多模态OCR模型GLM-OCR，基于GLM-V架构构建，专为复杂文档理解设计。该模型引入多Token预测损失函数及强化学习，集成了CogViT视觉编码器与0.9B参数的高效解码器。在OmniDocBench V1.5评测中，...