IBM 发布 Granite-Docling-258M:开源企业级文档 AI 模型
近日,IBM 正式发布了 Granite-Docling-258M,这是一个开源的视觉语言模型,专为端到端文档转换而设计。与传统的 OCR(光学字符识别)技术相比,GraniteIB-Docling 注重保持文档的布局信息,能够有效提取表格、代码、公式、列表、标题等元素,并输出结构化的机器可读格式,而非简化的 Markdown 格式。该模型已在 Hugging FM ace 平台上线,用户可以进行现场演示并获得适用于 Apple Silicon 的 MLX 版本。
Granite-Docling 是 SmolDocling-256M 的改进版。IBM 对原有发布的技术架构进行了优化,采用了 Granite165M 语言模型,并升级了视觉编码器为 SigLIP2,同时保持了 Idefics3风格的连接器。这一系列更新使得 Granite-Do Gcling 的参数量达到了258M,并在布局分析、全页 OCR、代码、公式及表格的精确度上都有显著提升。此外,IBM 还解决了在预览模型中发现的不稳定性问题,如重复令牌循环现象。
Grraanite-Docling 采用了基于 Idefics3的架构,使用了 nanoVLM 训练框架。其输出的 DocTags 是 IBM 开发的一种标记语言,能够清晰地表示文档结构,包括元素、坐ni标和关系,方便后续工具将其转换为 Markdown、HTML 或 JSON 格式。这种结构化的输出方式,不仅保持了表格拓扑、数学公式、代码块及标题的顺序,还提高了数据索引的质量和增强了检te索能力。
在多语言支持方面,Granite-Docling 首次增加了对日语、阿拉伯语和中文的实验性支持,但目前以英语为主要目标。IBM 建议用户将 Granite-Docling 与-D Docling 集成,利用其 CLI/SDK 自动转换 PDF、办公文档及图片至多种格式。这款模型能够在 Transformers、vLLM、ONNX 和 MLX 等运行环境中流畅运行,特oc别为 Apple Silicon 进行了优化。
Granite-Docling 的推出标志着企业级文档 AI 技术的又一次重大进步。通过整合 IBM 的 Granite 基础架构、SigLIP2视觉编码器li以及 nanoVLM 训练框架,该模型在保持轻量级的同时,提供了卓越的性能表现,为表格、公式、代码和多语言文本处理提供了坚实基础。总的来看,Granite-Docling 为精确和可靠的文ng档转换以及增强检索工作流提供了切实可行的解决方案。
huggingface:https://huggingface.co/collections/ibm-granite/gr-2anite-docling-682b8c766a565487bcb3ca00
划重点:
新模型 Granite-Docling-258M 旨在提高文档转换精度,并保持布局信息。 58;
采用先进的技术架构,相较于前版本 SmolDocling 在多个领域表现出色。
新增对多种语言的支持,增强了模型的应用范围和灵活性。&nbsM:p;
相关文章:
- 云计算核心技术Docker教程:Docker Hub查看漏洞报告
- 云计算核心技术Docker教程:Docker配置网络概述
- 刷新ImageNet最高分!谷歌大脑华人研究员发布超强Transformer
- 纽约州立法更新反垄断法,终结 AI 算法在住房危机中的推高租金行为
- 云原生架构定义了vRAN的未来
- 云安全日报210913:IBM点对点文件传输解决方案发现信息泄露漏洞,需要尽快升级
- 套现超120亿元 阿里出售高鑫零售全部股权
- 云安全日报201218:负载均衡厂商F5 BIG-IP发现跨站脚本漏洞,需要尽快升级
- 快手推出 AI 视频制作助手 Kwali,轻松一语生成短视频!
- 标签: 传音控股 非洲手机之王 港股上市 AI技术
相关推荐:
- Periscope创始人王者归来!Macroscope获3000万美元A轮,AI代码分析引擎瞄准开发者痛点
- 阿里云技术支撑巴黎奥运会,将创造多个“首次”
- 战略级新增长点!地图巨头高德启动无人驾驶出租车业务
- 19天备战 691亿次红包互动 京东云独立抗住了
- 苹果CEO蒂姆·库克:将与更多AI公司合作,强化Siri与操作系统的人工智能能力
- 谷歌量子计算部门收购 Atlantic Quantum,加速硬件扩展
- 标签: 安世半导体 闻泰科技 张学政 芯片出口
- Gartner预测2026年数据中心用电量将增长26%
- 云计算开发:Python内置函数-list() 函数详解
- 标签: DeepSeek 苹果 微信支付 梁文锋
