昨天看到一个新发的模型，SoMark 开源的 OXR-1.0，给我一种脱了裤子放屁的感觉 这个1.3B参数的文档解析模型，用来把 PDF 和图像转换为 Ma… · @xueyu1125 · TwKit

@xueyu1125

昨天看到一个新发的模型，SoMark 开源的 OXR-1.0，给我一种脱了裤子放屁的感觉 这个1.3B参数的文档解析模型，用来把 PDF 和图像转换为 Markdown 或 JSON 最开始我想着，微软有个python写的开源项目markitdown，不就是做这个事情，引入个库几行代码的事，你搞个模型出来干嘛？？？ 但是我仔细研究了下，这种文档解析模型是用来解决markitdown解析没有文本层的文件类型出现乱码和格式错乱的问题 OXR这种视觉语言模型，直接通过页面图像来理解版面，对复杂的文件类型解析会更加精准 如果要解析pdf等格式应用于RAG 和 Agent作为关键数据，OXR反而是首选🤣

曝光 350 · 评论 7 · 点赞 6 · 书签 0