量子位
·
全球OCR最强模型仅0.9B！百度文心衍生模型刚刚横扫4项SOTA
💡
原文中文，约5100字，阅读约需13分钟。
📝
内容提要
百度新发布的PaddleOCR-VL模型参数仅0.9B，获得OmniDocBench V1.5全球第一，全面超越文本、公式、表格和阅读顺序四项能力，标志着OCR技术的重大突破，具备强大的行业应用潜力。
🎯
关键要点
- 百度新发布的PaddleOCR-VL模型参数仅0.9B，获得OmniDocBench V1.5全球第一。
- PaddleOCR-VL在文本、公式、表格和阅读顺序四项能力上全面超越，成为唯一在这四个维度全部排名第一的模型。
- 该模型设计用于复杂文档结构解析，具备强大的行业应用潜力。
- PaddleOCR-VL在文本识别中以96.5的成绩拿下全场最高分，支持109种语言。
- 在公式识别中，PaddleOCR-VL的CDM得分高达0.9453，能精准还原复杂数学公式。
- 在表格理解方面，该模型能够解析嵌套表格与合并单元格，得分达到89.8。
- PaddleOCR-VL在阅读顺序预测中表现优异，预测误差仅为0.043。
- 该模型采用创新的两阶段架构，提升了复杂版面任务的稳定性和效率。
- PaddleOCR-VL的轻量化设计与异步推理机制显著领先同类模型。
- OCR技术在各行业中发挥着不可替代的作用，推动数字化基础设施建设。
- PaddleOCR-VL不仅是文档解析工具，更是AI时代企业知识中台建设的关键基础设施。
- 该模型的成功标志着中国在全球多模态文档解析领域的突破。
🏷️
标签
➡️
