今天研读 《OmniDocBench: Benchmarking Diverse PDF Document Parsing with Comprehensive Annotations》 开源实现：OmniDocBench 1. 什么是 OmniDocBench ？ 文档解析作为计算机视觉与文档智能
发布于 2026-08-19
今天研读《olmOCR: Unlocking Trillions of Tokens in PDFs with Vision Language Models》 开源实现：olmOCR 1. 为什么要提出 olmOCR ？ 高质量的文本数据对于语言模型而言非常重要： 模型训练阶段：语言模型开发需要基于
发布于 2026-08-18
今天研读《Nougat: Neural Optical Understanding for Academic Documents》 开源实现：Nougat 1. 为什么要引入 Nougat ？ PDF 是互联网上仅次于 HTML 的第二大主流文档
发布于 2026-08-17
MinerU 是非常著名且广泛使用的 PDF 文档提取开源项目。 今天研读《MinerU: An Open-Source Solution for Precise Document Content Extraction》 开源实现：MinerU 1. 为什么要引入 MinerU ？ 随着 LLM 与
发布于 2026-08-12
对数据源的预处理是 RAG 系统在工程落地时所必须考量的一项基础设施。 今天研读 《Docling Technical Report》 开源模型：Docling 文档与示例：Github
发布于 2026-08-03
