ページを読み込み中…
ページを読み込み中…
10件の記事
VLM エージェントの空間推論能力向上のため、外部ツールや微調整に依存しない経験に基づく手順記憶を実現する新エージェントを提案した。
初めまして、AIエンジニアのYusukeと申します。
Datalab はオープンソースの文書変換パイプライン「Marker 2」を発表した。これは PDF や画像などをマークダウンに変換するツールで、OCR モデルや処理速度が大幅に向上している。
はじめに 最近、オープンソースのLLM/VLMの選択肢がかなり増えてきました。
腾讯混元は 1B パラメータの VLM 型 OCR 専門モデル「HyOCR-1.5」を完全オープンウェイト化し、OmniDocBench v1.6 で 94.74 点の高得点を記録、推論速度も最大 6.37 倍向上したと報告している。