小模型也能拿第一

7月24日, 阿里巴巴有个非常宏大的举动。他们公布了一个具备0.8B参数的文档解析模型, 这个数字可千万别小瞧, 它于权威基准测试v1.6中取得了96.58的高分成绩。凭借这个成绩直接占据首位, 成为首个全方位超越传统方法的端到端模型。

大家伙儿以往认为, 只有大参数才能够成就大事。然而呢, 这全新的模型证实了, 小参数照样具备大能量。它把人们针对模型规模的固有印象给破除了。仅是凭借精简的架构以及高效的数据训练, 便能够达成精准识别。这表明文档智能技术迎来了一个全新型的范式转折阶段。

告别繁琐流水线

以往的文档解析超麻烦, 要先开展版面分析, 之后还要进行内容识别。将这种流水线模式串联起来, 维护成本特别高。并且误差会一级一级累积, 最终结果常常不尽如人意。部署起来也极为复杂, 对硬件要求很苛刻。

现在有了这个新鲜出炉的模型物件, 所有的一切都变得简易不复杂了。它仅仅只需通过单模型完成一次生成的操作, 就能够完整地处理搞定所有的任务事项。不再需要借助多个步骤进行拼接组合, 而是依照自然的阅读顺序直接输出呈现。文本内容、各类公式、相关表格以及视觉覆盖区域, 全部都能够一次性地解析处理完毕。整体的效率提升所达到的程度不止是一个档次的跨度。

突破技术瓶颈

此模型以后训练的方式, 基于Qwen3.5 – 0.8B来展开, 它把真实数据跟合成数据加以结合, 达成了互补优势, 进而解决了传统方法所存在的痛点, 这样的技术路径, 使之既通晓常见格式, 还能够去应对罕见情况的出现。

为了将紧凑模型潜藏的力量予以发挥, 团队运用了四种方式, 其中涵盖监督微调，还有着强化学习与在线策略蒸馏以及模型融合, 这些办法逐一累加, 把每一个参数所能产生的功效都使劲挖掘殆尽了, 最终使得一个小型模型拥有了能够与大型模型相媲美的能力。

降低部署门槛

企业众多, 高精度解析对这许多企业而言, 代表着高昂的算力成本, 此新模型极大程度减低了显存以及算力门槛, 小参数意味着推理速度更快, 且资源消耗进一步变低, 普通服务器便能轻松运行起来。

它对vLLM等主流推理框架予以兼容, 可以毫无阻碍地对接千问生态, 开发者不必重新编写代码，这种毫无察觉就接入的体验格外友好, 不管是新创立的公司还是规模较大的企业, 都能够迅速进行部署并投入使用, 切实达成了技术的普遍惠及。

应用场景广泛

文档解析身为RAG检索的核心基础设施, 还是智能问答以及企业知识库的关键。得益于这个高效率模型, 企业能够迅速构建自身的知识系统。当员工进行提问之际, 系统可以更为精准地从文档里提取答案。

于金融、法律以及医疗这类专业领域之中, 文档的结构呈现出复杂的态势, 新模型具备精准识别表格与公式的能力, 而这针对于数据分析来讲, 是至关重要的, 这使得自动化处理大量的历史文档转变成为了可能, 进而致使企业数字化转型的步伐得以大大加快。

未来可期

文档处理需求, 会因AI技术普及, 而变得越来越多, 这个开源模型, 促使行业朝着更高效的方向发展, 从复杂的系统工程转变为简洁的模型驱动, 这是一种不可逆转的趋势。

能够进行二次开发的这个基础模型, 可供开发者加以利用, 针对不一样的行业去定制特有的文档解析工具, 开源协议对社区之中的共同创新起到了鼓励作用, 相信在未来定将会浮现出更多出色的衍生应用, 进而改变我们的工作方式。

试问君, 身处工作之际, 所遇文档解析场景里, 究竟哪些会令君最为头疼? 诚邀留言于评论区, 尽情分享君之经历！