研究人员开发了一种新的方法，使用混合专家（Mixture-of-Experts）视觉语言模型（VLM）来降低文档理解的成本并提高其质量。该系统在内部和精选的开放领域文档的混合集上进行了微调，并利用面向难度的感知（Difficulty-Aware）管道来增强布局多样性和跨模型一致性。该模型可以安装在单个NVIDIA H100上，在成本和效率方面显著优于更大的基线模型，与人工标注相比，预计成本降低超过80%。 AI
影响 这项研究可以显著降低处理大量文档的企业的运营成本，提高监管行业的效率。
排序理由 该条目是一篇研究论文，详细介绍了一种使用VLM进行文档理解的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
