PreciseDoc

新的大模型“PreciseDoc”提高了文档元素定位的准确性

研究人员开发了PreciseDoc，这是一种新开发的大多模态模型（LMM），旨在提高在文档中精确定位特定元素的能力。现有模型在文本密集型文档图像的精确局部化方面存在困难，阻碍了可靠的推理。PreciseDoc通过使用专门构建的训练数据（包括具有细粒度坐标元数据的合成文档）来解决这个问题，并采用视觉定位推理与强化学习的联合训练范式。评估表明，它在文档空间定位和理解任务方面表现更优。