大模型处理PDF文档olmOCR；DeepSeek开源DeepGEMM高效的FP8矩阵乘法库；多模态推理R1-OneVision

文章预览

关注我，记得标星 ⭐️ 不迷路哦～ ✨ 1: olmOCR olmOCR是一个AI工具包，用于训练语言模型处理PDF文档，支持大规模并行处理，提供多种功能，包括文本解析、评估和过滤等。 olmOCR是一个用于处理复杂PDF文档的工具包，由艾伦人工智能研究所（AI2）开发。它主要利用大型语言模型（例如ChatGPT 4）对PDF文档进行自然文本解析。 olmOCR并非简单的OCR，而是整合了多种技术，包括：巧妙的提示策略以获得高质量的文本解析；用于比较不同处理流程版本的评估工具；基于语言和SEO垃圾内容的过滤功能；针对特定模型（如Qwen2-VL和Molmo-O）的微调代码；以及使用Sglang进行大规模PDF处理的流水线工具。 它支持本地和多节点（集群）运行，尤其适合处理海量PDF文档，并能与AWS S3和Beaker平台集成。 olmOCR的结果以Dolma格式的JSONL文件存储，并提供可视化工具方便查看。 地址 ………………………………