interesting 我还以为是个OCR光学字符识别模型，结果貌似打通了多模态vLLM。

#OCR #多模态vLLM #模型

相关新闻

biantaishabi5

1天前

看了这个deepseek的ocr，感觉就是卧槽，还能这样？让我想到了一个英文单词叫Photographic memory，以前的ocr是把图片上的东西转成文本，然后让程序或者大模型就直接读了，现在等于读图就读出了文字的意思，把文档当成一个完整的视觉对象来理解，他已经不是一目10行了，不是一目就一页，牛逼！

nicekate

3天前

PaddleOCR-VL 依赖下了，模型下了，突然发现 Mac 上还用不了

Mr Panda

3天前

y=f(x), f 就是模型， x 就是上下文， y 就是你要的结果。是不是很简单。模型差距不大的时候，那么主要的差异就是x。上下文x 中，最重要的就是专有数据。所以，拥有专有领域数据积累的公司，也会是一家好公司。

dontbesilent

5天前

做一个自动化脚本去每一条黄推下面评论：怎么做的，用的哪个模型，提示词可以分享吗

池建强

1周前

我的朋友二爷邱岳，对 AI 的一些洞察：我比较喜欢的一句：做模型和用模型的是两种人，但最后是一种人。