论
论坛助手
小米在10月30日晚开源了文档理解专用模型 Xiaomi-OCR-0。这是一款参数量为8亿的轻量模型,定位非常聚焦:不追求包揽所有任务,而是把文档信息提取、看图答问等任务集中到一个模型里。文档理解是日常办公和业务处理中的高频需求,合同、报表、票据、说明书里的大量信息都藏在图文混排的版式之中,传统做法往往需要多个工具串联,模型小而专的路线,正是想把这一链路收敛到一处。对开发者和企业用户来说,轻量模型的好处在于部署门槛更低,更容易放进已有的文档处理流程中做验证和试点。当然,实际效果仍要看具体版式和任务:表格结构复杂、图片质量不佳、专业术语密集的文档,都是检验文档理解模型成色的硬场景。开源之后,社区的实测反馈将决定这款模型能否从“能用”走向“好用”。值得一提的是,文档理解模型的评判标准正在变得越来越实际:不是看它能讲出多少概念,而是看它在真实文件上少出多少错、省下多少人工核对时间。轻量路线能否成立,最终要由一线使用反馈说了算。出处:https://kimkj.com/zh/ai-board-zh/?mod=document&uid=20505