IBM 发布 Granite-Docling-258M:开源企业级文档 AI 模型
近日,IBM 正式发布了 Granite-Docling-258M,这是一个开源的视觉语言模型,专为端到端文档转换而设计。与传统的 OCR(光学字符识别)技术相比,GraniteIB-Docling 注重保持文档的布局信息,能够有效提取表格、代码、公式、列表、标题等元素,并输出结构化的机器可读格式,而非简化的 Markdown 格式。该模型已在 Hugging FaM ce 平台上线,用户可以进行现场演示并获得适用于 Apple Silicon 的 MLX 版本。 Granite-Docling 是 SmolDocling-256M 的改进版。IBM 对原有的技术发布架构进行了优化,采用了 Granite165M 语言模型,并升级了视觉编码器为 SigLIP2,同时保持了 Idefics3风格的连接器。这一系列更新使得 Granite-Docling 的参 G数量达到了258M,并在布局分析、全页 OCR、代码、公式及表格的精确度上都有显著提升。此外,IBM 还解决了在预览模型中发现的不稳定性问题,如重复令牌循环现象。 Granite-Doclraing 采用了基于 Idefics3的架构,使用了 nanoVLM 训练框架。其输出的 DocTags 是 IBM 开发的一种标记语言,能够清晰地表示文档结构,包括元素、坐标和关系,方便后续工具ni将其转换为 Markdown、HTML 或 JSON 格式。这种结构化的输出方式,不仅保持了表格拓扑、数学公式、代码块及标题的顺序,还提高了数据索引的质量和增强了检索能力。 在多语言支持方面te,Granite-Docling 首次增加了对日语、阿拉伯语和中文的实验性支持,但目前以英语为主要目标。IBM 建议用户将 Granite-Docling 与 Docling 集成,利用-D其 CLI/SDK 自动转换 PDF、办公文档及图片至多种格式。这款模型能够在 Transformers、vLLM、ONNX 和 MLX 等运行环境中流畅运行,特别为 Apple Silicoocn 进行了优化。 Granite-Docling 的推出标志着企业级文档 AI 技术的又一次重大进步。通过整合 IBM 的 Granite 基础架构、SigLIP2视觉编码器以及 nanoVLliM 训练框架,该模型在保持轻量级的同时,提供了卓越的性能表现,为表格、公式、代码和多语言文本处理提供了坚实基础。总的来看,Granite-Docling 为精确和可靠的文档转换以及增强检ng索工作流提供了切实可行的解决方案。 huggingface:https://huggingface.co/collections/ibm-granite/granite-do-2cling-682b8c766a565487bcb3ca00 划重点: 新模型 Granite-Docling-258M 旨在提高文档转换精度,并保持布局信息。 &nbs58p; 采用先进的技术架构,相较于前版本 SmolDocling 在多个领域表现出色。 新增对多种语言的支持,增强了模型的应用范围和灵活性。
- 最近发表
- 随机阅读
-
- 熟剩香辣蟹过夜能吃吗
- 这可能是今年最值得推荐的数据分析工具
- 云计算核心技术Docker教程:Docker Hub查看存储库标签
- 标签: 霍尼韦尔 航空航天分拆 Solstice 庞巴迪协议
- AI 发展方向大争论:混合AI ?强化学习 ?将实际知识和常识整合到AI中 ?
- Facebook被指非法打压VR竞争对手 美司法部正在调查
- 标签: 苹果 AppStore 抖音 佣金费率
- 中国移动推出 “灵犀” 电子导盲犬,助力视障人士的智能生活
- 联想发布AI主机新阵列:分级算力布局,端侧AI时代正式开启
- 自然语言处理(NLP)的历史及其发展方向
- 云安全日报210915:Adobe Photoshop图片处理软件发现任意代码执行漏洞,需要尽快升级
- 英伟达第二财季营收65亿美元 净利润同比增282%
- 标签: 比亚迪 李柯 加拿大建厂 电动汽车
- 标签: 飞猪 元旦出游 出境游 AI旅游
- 标签: 红果短剧 番茄小说 免费短剧 微短剧
- 被指控在“国会骚乱”期间助长暴力,Twitter和FB股价双双下跌
- 标签: 保时捷 祖文豪森 魏斯阿赫 迈克尔·莱特斯
- 云计算核心技术Docker教程:Docker配置 GitHub 操作
- 英国前首相苏纳克获两大科技巨头聘任:将任微软与 Anthropic 高级顾问
- OpenAI 拟注资15亿美元成立合资公司 DeployCo,联手私募巨头加速企业级市场渗透
- 搜索
-
- 友情链接