一个 API，调用所有 OCR 引擎

博客最新文章

全部文章 →

2026年10月13日阅读约 17 分钟

SP-DocReader:基于差异感知自博弈,将 Vary-600K 的 OCR 错误率减半

在 Qwen3-VL-4B 上,SP-DocReader 在冻结骨干网络、仅训练 OCR 模块的前提下,相比两轮监督微调,将 Vary-600K 的字符错误率降低约 54%。

2026年10月11日阅读约 35 分钟

小模型与结构化数据：轻量级 VLM 能否替代云端 API 完成复杂文档抽取？

4B–7B 参数的视觉模型能否在本地 GPU 上从杂乱的历史档案中抽取结构化 JSON？FAU 埃尔朗根-纽伦堡大学的一项新研究在三大高校馆藏档案集上对 8 款开源轻量级 VLM 展开了基准评测。

2026年10月10日阅读约 21 分钟

我们向 184 款 OCR 引擎发送了一张纯白空白页，有些居然“读”出了内容

当你向现代视觉模型输入一张 800×1000 的纯白空白图像时，传统 OCR 引擎会保持沉默，而新型模型却能凭空编造出 UFO 信件、维多利亚时代的诉讼判决以及肠道健康广告。