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
即将跳转到惯性聚合
3
在聚合应用中查看完整内容和互动
立即跳转
取消
推荐订阅源
F
Fortinet All Blogs
MyScale Blog
Microsoft Security Blog
量
量子位
B
Blog
aimingoo的专栏
Apple Machine Learning Research
阮一峰的网络日志
The GitHub Blog
T
The Exploit Database - CXSecurity.com
N
News | PayPal Newsroom
Cloudbric
A
About on SuperTechFans
AI
Hacker News: Ask HN
S
Schneier on Security
Recent Commits to openclaw:main
cs.CL updates on arXiv.org
C
Cyber Attacks, Cyber Crime and Cyber Security
L
LINUX DO - 最新话题
T
The Blog of Author Tim Ferriss
Simon Willison's Weblog
有赞技术团队
H
Heimdal Security Blog
J
Java Code Geeks
大猫的无限游戏
D
Docker
Security Archives - TechRepublic
N
News and Events Feed by Topic
IT之家
Know Your Adversary
N
Netflix TechBlog - Medium
T
Tailwind CSS Blog
B
Blog RSS Feed
C
Cybersecurity and Infrastructure Security Agency CISA
C
Cisco Blogs
博
博客园 - 叶小钗
美
美团技术团队
钛媒体：引领未来商业与生活新知
H
Hackread – Cybersecurity News, Data Breaches, AI and More
L
LangChain Blog
The Hacker News
Y
Y Combinator Blog
I
Intezer
The Register - Security
F
Full Disclosure
V
V2EX
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
Last Week in AI
Martin Fowler
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
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
StrucTexT：多模态Transformer的结构化文本理解框架
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
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
2025-07-23
·
via
thinkingReed
引言 [!summary] 背景 富文本的文档理解（TDU）用于分析大量文本和复杂布局的文档，需要对文本，布局和图像进行综合理解。 [
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。
原文来自
— 版权归原作者所有。
