olmOCR 2
olmOCR 2 ir Ai2 atvērtā koda 7B redzes modelis, kas PDF un attēlus pārvērš tīrā tekstā lasīšanas secībā, apmācīts ar reinforcement learning uz unit testu atlīdzībām.
Laidiens modelim olmOCR.
- Izlaists
- 2025. gada oktobrī
- Modeļa ID
- allenai/olmOCR-2-7B-1025, allenai/olmOCR-2-7B-1025-FP8
- Izmērs
- 7B, pieskaņots no Qwen2.5-VL-7B-Instruct, BF16 un FP8
- Licence
- Apache-2.0
- Meklē arī kā
- olmocr-2, olmocr2, olmOCR-2-7B-1025
Kas jauns olmOCR 2
- Pieskaņots datu kopai olmOCR-mix-1025, pēc tam papildus apmācīts ar GRPO reinforcement learning matemātikas vienādojumiem, tabulām un citiem sarežģītiem gadījumiem.
- Par aptuveni 4 punktiem augstāk olmOCR-Bench nekā iepriekšējais pipeline (82.4 pret 78.5) un priekšā Marker (76.1) un MinerU (75.8) Ai2 salīdzinājumā.
- Lielākie uzlabojumi sarežģītās lapās: tabulas 84.9% (no 72.9%), vairāku kolonnu izkārtojumi 83.7% (no 77.3%), veci matemātikas skenējumi 82.3% (no 79.9%).
- Apmācības datiem pievienoti rokraksta un rakstāmmašīnas dokumenti.
- Nāk ar olmocr toolkit v0.4.0. Iepriekšējie laidieni 0725 un 0825 padarīja FP8 par noklusējumu un izlaboja automātisko pagriešanu un halucinācijas tukšās lapās.
olmOCR 2 etaloni
| Etalons | Rezultāts | Piezīme |
|---|---|---|
| olmOCR-Bench, kopā | 82.4 ± 1.1 | FP8 modelis; BF16 iegūst 82.3 |
| olmOCR-Bench, tabulas | 84.9 | FP8 modelis |
| olmOCR-Bench, galvenes un kājenes | 96.1 | FP8 modelis |
Rezultāti, kā tos publicējuši autori. Mēs tos neesam atkārtojuši.
Izmantojiet olmOCR 2 caur API
OCRRouter darbina citu olmOCR laidienu kā allenai/olmocr.
olmOCR versijas
- olmOCR: visas versijas, cena, ātrums un funkcijas vietnē OCRRouter
- olmOCR 2 (2025. gada oktobrī), šī lapa
Jautājumi
Avoti
Pēdējo reizi atjaunināts .