IBM AI 发布 Granite-Docling-258M：一个开源、企业级文档 AI 模型
内容提要
IBM发布了Granite-Docling-258M，这是一个开源视觉语言模型，专注于文档转换，能够准确提取表格、代码和公式，并生成结构化表示。与前版本相比，该模型在布局分析和OCR方面有显著提升，并支持多语言，旨在提高文档处理的效率和准确性。
延伸解读
多语言支持的潜力
Granite-Docling-258M实验性地增加了对日语、阿拉伯语和中文的支持，虽然英语仍为主要目标。这一多语言能力的提升，意味着该模型在全球范围内的应用潜力更大，尤其是在多语言环境中处理文档时，能够提高效率和准确性。
DocTags的创新意义
Granite-Docling生成的DocTags提供了一种新的文档结构表示方式，能够保留表格拓扑和阅读顺序。这种结构化的输出方式不仅提高了文档转换的准确性，还为后续的数据检索和分析奠定了基础，减少了传统OCR到Markdown转换中信息丢失的问题。
企业级应用的优势
Granite-Docling通过整合多个功能（如布局分析、OCR、表格和代码识别），降低了推理成本和流程复杂性。这使得企业在处理文档时，能够更高效地利用资源，提升工作流程的整体效率，尤其是在需要高精度文档处理的场景中。
Q&A
Granite-Docling-258M的主要功能是什么？
Granite-Docling-258M是一个开源视觉语言模型，专注于文档转换，能够准确提取表格、代码和公式，并生成结构化表示。
Granite-Docling与SmolDocling相比有哪些改进？
Granite-Docling在布局分析、OCR、代码和公式识别方面有显著提升，并解决了不稳定性故障模式。
Granite-Docling支持哪些语言？
Granite-Docling实验性地支持日语、阿拉伯语和中文，英语仍为主要目标。
Granite-Docling如何提高文档处理的效率？
通过生成DocTags，Granite-Docling保留文档结构，降低推理成本和流程复杂性，从而提高文档处理的效率。
Granite-Docling的训练环境是什么？
Granite-Docling在IBM的Blue Vela H100集群上进行训练，使用多种评估指标进行量化改进。
Granite-Docling的输出格式是什么？
Granite-Docling输出DocTags，这是一种结构化语法，旨在转换为Markdown、HTML或JSON格式。
