惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

月光博客
月光博客
罗磊的独立博客
The GitHub Blog
The GitHub Blog
V
V2EX
Last Week in AI
Last Week in AI
博客园 - 聂微东
MyScale Blog
MyScale Blog
美团技术团队
L
LangChain Blog
博客园 - Franky
腾讯CDC
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园_首页
S
SegmentFault 最新的问题
爱范儿
爱范儿
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Stack Overflow Blog
Stack Overflow Blog
量子位
小众软件
小众软件
宝玉的分享
宝玉的分享
J
Java Code Geeks
Google DeepMind News
Google DeepMind News
D
Docker
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报

thinkingReed

ColPali:使用视觉语言模型的高效文档检索 VisionThink:通过强化学习实现高效的视觉语言模型 ChartMoE:使用混合专家架构的图表理解方法 基于标记级相关性引导的压缩方法以实现高效的多模态文档理解 PACT:基于剪枝和聚类的Token减少方法 DocLayLLM:一种用于富含文本的文档理解的高效多模态大语言模型扩展方法 mPLUG-DocOwl 2:高分辨率文档理解的布局感知压缩方法 mPLUG-DocOwl 1.5 研究报告:模型架构与位置编码机制 mPLUG-DocOwl:面向无OCR文档理解的统一结构学习 QG-VTC:基于问题引导的视觉Token压缩方法 MinerU 技术报告:高精度文档内容提取解决方案 TabPedia:统一的表格理解视觉语言模型 Pix2Struct:截图解析作为视觉语言理解预训练方法 TextMonkey:用于文档理解的无OCR大型多模态模型 Swin Transformer:分层视觉Transformer Vision Transformer:将Transformer应用于图像分类任务 DocPedia:频域方法实现高分辨率文档理解 领域特定的大语言模型用于通过有标签数据监督微调的暖通空调系统故障诊断 将知识从大模型迁移到小型下游模型
StrucTexT:多模态Transformer的结构化文本理解框架
2025-06-17 · via thinkingReed
StrucTexT: Structured Text Understanding with Multi-Modal Transformers ## 背景why ### 文档智能 VRDS(Visually Rich Documents)