LlamaIndex 发布 OCRia-1 文档解析模型 37 页技术报告
LlamaIndex 于 10 月 22 日发布 37 页的 OCRia-1 技术报告。OCRia-1 是 40 亿参数的文档解析视觉语言模型，报告称它在 ParseBench 四个维度上的平均分为 0.87，次优系统为 0.75。在单张 B200 上，它单请求解码约每秒 4,700 个 token；1 个和 8 个并发请求下，每请求解码速度分别是对比组中次快系统的 3.4 倍和 2.0 倍。
为什么重要
LlamaIndex 发布 37 页 OCRia-1 技术报告，公开与主要开放权重 OCR 模型的多基准对比及数据和训练流程。
来源2
LlamaIndex媒体OCRia-1 技术报告译自英文 · 查看原文 ·
- @jerryjliu0X我们为 OCRia-1 写了一份 37 页的技术报告，这是我们用于文档解析的 SOTA 模型。 ✅ 报告包含与其他大多数主流开放权重 OCR 模型（例如 Infinity-Parser、LightOnOCR 3、Chandra 2、dots.mocr）在多个 OCR 基准上的全面评测：ParseBench、olmOCR-bench、PulseBench-Tab、fr-bench-pdf2md。 ✅ 报告详细介绍了我们的数据和训练流程，让大家了解我们如何挑选合适的文档数据集，在对文档解析重要的维度上提升评测指标。 ✅ 速度极快 ⚡️ 解码比最新的开放权重模型快 2x-4x+。 ✅ 如果你在构建自己的视觉模型，附录有 24 页细节（！！），展示了我们从训练到评测的全部实验发现！ 查看报告：https://www.llamaindex.ai/ocria/ocria-1-technical-report.pdf 其他链接见我们的博客！https://www.llamaindex.ai/blog/parse-ocria-1译自英文 · 查看原文 ·
由 dalao.ai 撰写：标题、摘要和“为什么重要”是我们自己的文字；事实以原始报道为准，著作权归原发布者所有。