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 Face 平M 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 对原有的技术架构发布进行了优化,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-Draocling 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ni具将其转换为 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te方面,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-D用其 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 Silicocon 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 nanoVliLM 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ng检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。 采58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
-
- 标签: 灵猴机器人 蔚来资本 具身智能 工业机器人
- 图解计算机中数据的表示形式
- 云计算核心技术Docker教程:Docker守护程序目录
- 标签: Pinnacle Marine 港口工作船 海事服务 新加坡
- 阿里云领投硅基流动数亿元A轮融资
- 标签: Meta 扎克伯格 广告收入 AI基础设施
- 标签: 英韧科技 半导体芯片 固态硬盘 存储系统
- 菜地蚂蚁用什么药可以杀死
- 阿里交Q4答卷:月活超9亿、净利润增长超50% 阿里云终“转正”
- 69和70是什么意思梗
- 美国AI融资狂潮持续燃烧!2025年已有49家公司狂揽千万美金,OpenAI单轮400亿刷新纪录
- 标签: 华为 华为乾崑 智能驾驶
- Facebook删的10亿人脸信息,只是互联网的“数据垃圾”
- 大数据会不会绑架民众?
- 神秘AI换脸软件入侵全球社交网络!马斯克秒变文艺复兴贵族
- 贝索斯将于7月5日卸任亚马逊CEO上热搜 网友:反正钱已经多的花不完了
- OpenAI 宣布印度用户可享受一年免费 ChatGPT Go 服务
- 标签: 鼎捷数智 EIOSpace 雅典娜平台 企业智能运行空间
- 标签: 网络治理
- 标签: 思摩尔国际 电子雾化 财报 ToB业务
- 搜索
-
- 友情链接