研究人员推出了PolyOCR,这是一系列统一的OCR基础模型,旨在处理图像中涉及文本的多种任务,包括识别、定位、解析和推理。这些模型利用共享的指令遵循框架和大规模数据引擎进行监督。一项关键创新是能力引导策略优化(Competence-Guided Policy Optimization),它通过考虑教师的可靠性和能力差距来改进师生蒸馏。PolyOCR模型在多个基准测试中均表现出最先进或极具竞争力的性能,包括OCRBench v2.1、CC-OCR、KIE Benchmark、OmniDocBench v1.6和MDPBench。 AI
影响 将OCR能力从简单的转录提升到包括推理和解析,有潜力改进文档理解和信息提取。
排序理由 该集群描述了一篇介绍OCR基础模型系列的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- CC-OCR
- Competence-Guided Policy Optimization
- Group Relative Policy Optimization
- KIE Benchmark
- MDPBench
- OCRBench v2.1
- OmniDocBench v1.6
- PolyOCR
- PolyOCR-Venus
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →