近日，IBM 正式发布了一款名为 Granite-Docling-258M 的轻量级视觉语言 AI 模型。该模型专为文件转换设计，具备强大的多语言支持，包括中文、阿拉伯语和日语，旨在提升文档处理的效率和准确性。Granite-Docling-258M 的参数量为2.58亿，是一款专为文档表格处理而优化的模型。
与传统的 OCR 软件相比，Granite-Docling-258M 在识别准确度上有显著提升。其输出结果不仅能够完整保留原始文档的版面结构，还能有效识别表格、数学公式、列表和代码块等多种元素。这一新技术的核心在于 IBM Research 开发的 DocTags，这是一套通用文件结构标记语言，能够精确描述页面元素的类型、位置和阅读顺序。
Granite-Docling-258M 在文档转换的过程中，首先识别文档中的各个元素，然后再执行 OCR 识别。这种方法使得内容的提取和输出更加高效和准确。完成转换后，用户可以将内容导出为 Markdown、JSON、HTML 等多种格式，满足不同的使用需求。此外，IBM 还计划将 DocTags 词汇表纳入 Granite 的分词器和训练流程，以进一步提升模型的性能。
目前，Granite-Docling-258M 还未达到企业级的应用水平，但 IBM 表示，他们将持续扩展语言的覆盖范围，并提升模型的可靠性。未来，IBM 还将致力于增强 DocTags 与 IBM watsonx.ai 模型的兼容性，确保技术的全面应用。
这款新模型的发布，无疑为文档处理领域带来了新的技术选择，也为相关行业的效率提升提供了强有力的支持。
声明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
本文由数字化转型网（www.szhzxw.cn）转载而成，来源于网络；编辑/翻译：数字化转型网（Professionalism Achieves Leadership 专业造就领导者）萍水
