olmOCR 2
olmOCR 2 مدل بینایی متنباز 7B از Ai2 است که PDF و تصویر را به متن تمیز با ترتیب خواندن تبدیل میکند و با یادگیری تقویتی و پاداش تستهای واحد آموزش دیده است.
نسخهای از olmOCR.
- تاریخ انتشار
- اکتبر 2025
- شناسه مدل
- allenai/olmOCR-2-7B-1025, allenai/olmOCR-2-7B-1025-FP8
- اندازه
- 7B، تنظیمشده از Qwen2.5-VL-7B-Instruct، در BF16 و FP8
- مجوز
- Apache-2.0
- جستجو شده با نام
- olmocr-2, olmocr2, olmOCR-2-7B-1025
چه چیزی در olmOCR 2 جدید است
- روی مجموعه داده olmOCR-mix-1025 تنظیم دقیق شد و سپس با یادگیری تقویتی GRPO برای معادلات ریاضی، جدولها و موارد دشوار دیگر آموزش بیشتری دید.
- حدود 4 امتیاز بالاتر از نسخه قبلی در olmOCR-Bench (82.4 در برابر 78.5)، و جلوتر از Marker (76.1) و MinerU (75.8) در مقایسه Ai2.
- بیشترین بهبود در صفحات دشوار: جدولها 84.9% (از 72.9%)، چیدمان چندستونی 83.7% (از 77.3%)، اسکنهای قدیمی ریاضی 82.3% (از 79.9%).
- اسناد دستنویس و ماشینتحریری به دادههای آموزش اضافه شدند.
- همراه با ابزار olmocr v0.4.0 عرضه میشود. نسخههای 0725 و 0825 قبل از آن FP8 را پیشفرض کردند و چرخش خودکار و توهم در صفحات خالی را رفع کردند.
بنچمارکهای olmOCR 2
| بنچمارک | امتیاز | توضیح |
|---|---|---|
| olmOCR-Bench، کلی | 82.4 ± 1.1 | مدل FP8؛ BF16 امتیاز 82.3 میگیرد |
| olmOCR-Bench، جدولها | 84.9 | مدل FP8 |
| olmOCR-Bench، سرصفحه و پاصفحه | 96.1 | مدل FP8 |
امتیازها همانطور که نویسندگان منتشر کردهاند. ما آنها را دوباره اجرا نکردهایم.
استفاده از olmOCR 2 از طریق API
OCRRouter نسخه دیگری از olmOCR را با شناسه allenai/olmocr اجرا میکند.
نسخههای olmOCR
- olmOCR: همه نسخهها، قیمت، سرعت و امکانات در OCRRouter
- olmOCR 2 (اکتبر 2025), این صفحه
پرسشها
منابع
آخرین بهروزرسانی .