标签索引

GLM-OCR

这个标签下有 5 篇文章。按时间回看相关判断与实践记录。

标签精选

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....

2026-02-121 分钟阅读222 阅读

智谱AI旗下的轻量级OCR模型GLM-OCR正式发布。该模型参数量仅为0.9B，延续了当前AI模型向端侧和轻量化发展的趋势。官方数据显示，尽管体积小，但其在公式识别、表格还原和信息提取方面均达到SOTA（当前最佳）水平。在性能测试中，GLM...

2026-02-041 分钟阅读172 阅读

智谱AI正式发布并开源轻量级多模态文档解析模型GLM-OCR。该模型参数量仅为0.9B，凭借自研CogViT视觉编码器，在权威榜单OmniDocBench V1.5中以94.6分登顶，性能比肩Gemini-3-Pro，并在公式、表格识别等领...

2026-02-031 分钟阅读306 阅读

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，...

2026-02-031 分钟阅读232 阅读

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...

2026-01-231 分钟阅读242 阅读