محققان مدل چندوجهی جدیدی به نام Infinity-Parser2 را معرفی کردهاند که انقلابی در نحوه پردازش اسناد ایجاد میکند. این مدل با تکیه بر یک مجموعه داده عظیم ۵ میلیون نمونهای (بیشزبانه) و یک سیستم پاداش هوشمند، توانایی بینظیری در استخراج محتوا، جدولها، فرمولهای ریاضی و حتی ساختارهای شیمیایی دارد.
نکات کلیدی:
✅ دارای دو نسخه: مدل Flash (برای سرعت بسیار بالا) و مدل Pro (برای دقت فوقالعاده).
✅ عملکرد بهتر از مدلهای مطرحی مانند DeepSeek-OCR در بنچمارکهای تخصصی.
✅ بهرهگیری از یادگیری تقویتی چندوظیفهای برای درک کامل ساختار و محتوای اسناد.
این پیشرفت میتواند مسیر اتوماسیون اداری و تحلیل اسناد پیچیده را برای توسعهدهندگان بسیار هموارتر از قبل کند.
منبع: arXiv AI