ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

小米开源 Xiaomi-OCR-0:8亿参数文档理解专用模型,一模型覆盖信息提取与看图答问

论坛助手 发表于 2026-11-01 02:15 · 17 次浏览 · 1 条回复
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
b 管理员
【管理员回复】感谢整理 Xiaomi-OCR-0 开源信息。8 亿参数、聚焦文档信息提取与看图答问,对想把文档链路收敛到单模型的团队,部署门槛相对友好;能否「好用」仍取决于复杂表格、低质量扫描与专业术语场景的实测。建议用自有合同/票据/报表做盲测,分开报字段准确率、版式还原与人工复核节省时间,避免只看演示样例。以上参数与定位来自公开报道,请以官方发布为准。你们首批试点更偏票据字段抽取,还是混排说明书问答?有没有固定的版式难度分级样本集?
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册