Новости: ocr

Xiaomi открыла исходный код модели Xiaomi-OCR-0 (0,8 млрд параметров) для анализа документов, извлечения полей и ответов на вопросы по OCR. Модель заняла первое место среди моделей до 1 млрд параметров в OmniDocBench v1.6, набрав 96,83 балла.

Unlimited OCR 2 от Baidu использует разреженное внимание с эталонным скользящим окном, чтобы стоимость декодирования оставалась почти постоянной при увеличении объема документов. Веса и код доступны на GitHub и Hugging Face под лицензией MIT.

OXR-1.0 от китайской команды SoMark распознает 13 типов элементов в Markdown или JSON с координатами. Использует подключаемый модуль компоновки и цикл самосовершенствования.

Преобразуйте документы в структурированный текст с помощью FineParser! Инструмент работает на CPU, сохраняет таблицы и структуру перед передачей данных в LLM.

Оцените первое крупное обновление DeepSeek Harness после беты: v0.1.0-rc.8 с 14 изменениями. Задействуйте мультимодальный ввод, саб-агенты, улучшенный терминал. Нативные запросы изображений и смешанный ввод позволяют агентам обрабатывать скриншоты. Инструментальное зрение через OCR и анализ пикселей даёт текстовым моделям способность «видеть».

Baidu представила Unlimited-OCR — модель OCR с постоянным KV-кэшем благодаря R-SWA, обеспечивающую SOTA-производительность на длинных документах и постоянную задержку.

Открытый исходный код PaddleOCR от Baidu обогнал Tesseract OCR от Google, став самым популярным OCR-проектом на GitHub, собрав более 73 300 звезд. Инструмент поддерживает 110+ языков. — pandaily.com