研究人员开发了DocAtlas，一个旨在改进多语言文档理解的新框架，特别关注低资源语言。该系统构建了跨越82种语言和9项评估任务的高保真OCR数据集和基准。DocAtlas采用新颖的双管道来渲染本地DOCX和生成合成LaTeX文档，能够在不依赖学习模型进行核心标注的情况下实现精确的结构标注。该框架还证明了直接偏好优化（DPO）可以有效地使模型适应多语言任务，在不损害基础语言性能的情况下提高准确性。 AI
影响 增强了AI处理和理解更广泛语言文档的能力，可能提高全球可访问性和数据分析。
排序理由 该集群描述了一篇介绍多语言文档理解框架和方法论的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →