olmOCR 2
olmOCR 2 হলো Ai2-এর ওপেন-সোর্স 7B ভিশন মডেল, যা PDF ও ছবিকে পড়ার ক্রমে পরিষ্কার টেক্সটে রূপান্তর করে; ইউনিট-টেস্ট রিওয়ার্ডে রিইনফোর্সমেন্ট লার্নিং দিয়ে প্রশিক্ষিত।
যার একটি রিলিজ olmOCR.
- রিলিজ
- অক্টোবর 2025
- মডেল ID
- allenai/olmOCR-2-7B-1025, allenai/olmOCR-2-7B-1025-FP8
- আকার
- 7B, Qwen2.5-VL-7B-Instruct থেকে ফাইন-টিউন, BF16 ও FP8-এ
- লাইসেন্স
- Apache-2.0
- এই নামেও খোঁজা হয়
- olmocr-2, olmocr2, olmOCR-2-7B-1025
olmOCR 2-এ নতুন কী
- olmOCR-mix-1025 ডেটাসেটে ফাইন-টিউন, তারপর গণিত সমীকরণ, টেবিল ও অন্যান্য কঠিন ক্ষেত্রের জন্য GRPO রিইনফোর্সমেন্ট লার্নিং দিয়ে আরও প্রশিক্ষণ।
- olmOCR-Bench-এ আগের পাইপলাইনের চেয়ে প্রায় 4 পয়েন্ট বেশি (82.4 বনাম 78.5), এবং Ai2-এর তুলনায় Marker (76.1) ও MinerU (75.8)-এর চেয়ে এগিয়ে।
- কঠিন পৃষ্ঠায় সবচেয়ে বড় উন্নতি: টেবিল 84.9% (72.9% থেকে), মাল্টি-কলাম লেআউট 83.7% (77.3% থেকে), পুরোনো গণিত স্ক্যান 82.3% (79.9% থেকে)।
- প্রশিক্ষণ ডেটায় হাতে লেখা ও টাইপরাইটারের নথি যোগ করা হয়েছে।
- olmocr toolkit v0.4.0-সহ আসে। এর আগের 0725 ও 0825 রিলিজ FP8-কে ডিফল্ট করেছে এবং অটো-রোটেশন ও ফাঁকা পৃষ্ঠায় হ্যালুসিনেশন ঠিক করেছে।
olmOCR 2 বেঞ্চমার্ক
| বেঞ্চমার্ক | স্কোর | নোট |
|---|---|---|
| olmOCR-Bench, সামগ্রিক | 82.4 ± 1.1 | FP8 মডেল; BF16-এর স্কোর 82.3 |
| olmOCR-Bench, টেবিল | 84.9 | FP8 মডেল |
| olmOCR-Bench, হেডার ও ফুটার | 96.1 | FP8 মডেল |
স্কোরগুলো লেখকদের প্রকাশিত। আমরা নিজেরা আবার চালাইনি।
API দিয়ে olmOCR 2 ব্যবহার করুন
OCRRouter olmOCR-এর একটি ভিন্ন রিলিজ allenai/olmocr হিসেবে চালায়।
olmOCR ভার্সন
- olmOCR: OCRRouter-এ সব ভার্সন, দাম, গতি ও ফিচার
- olmOCR 2 (অক্টোবর 2025), এই পৃষ্ঠা
প্রশ্ন
সূত্র
সর্বশেষ আপডেট .