10月17日消息，HuggingFace官網(wǎng)顯示，百度昨晚發(fā)布的自研多模態(tài)文檔解析模型PaddleOCR-VL，發(fā)布20小時(shí)內(nèi)即登頂HuggingFace Trending全球第一。
據(jù)了解，該模型核心參數(shù)僅0.9B，輕量高效，能以極低計(jì)算開銷精準(zhǔn)識(shí)別文本、手寫漢字、表格、公式、圖表等復(fù)雜元素，支持109種語言。在權(quán)威榜單OmniBenchDoc V1.5中，它以92.6分獲綜合性能全球第一，四大核心能力全線SOTA，超越GPT-4o等模型，刷新OCR VL模型性能紀(jì)錄。
作為文心4.5衍生模型，PaddleOCR-VL融合了NaViT動(dòng)態(tài)分辨率視覺編碼器與ERNIE-4.5-0.3B語言模型，實(shí)現(xiàn)精度與效率雙突破。
