olmOCR 2 支持复杂文档读取
allen_ai · x · 2026-07-11
Ai2 介绍了 olmOCR 2 的定位：这是一款紧凑的视觉语言模型，能够在单次推理中读取复杂文档。
它强调对“传统 OCR 容易翻车”的场景更友好，尤其是：
- 手写
- 公式
- 表格
- 多栏布局
官方同时给出了 Playground 试玩入口，以及博客、模型权重和数据集下载地址，方便直接测试或本地复现。
所属事件:Ai2发布紧凑视觉模型olmOCR 2(2 条相关)→
「多模态」频道最新
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 零编程经验者用 ChatGPT 开发 ComfyUI 安卓客户端将上架 — ComfierUI · 2026-09-11
- FastH3-Live 升至 22fps：加速节点实测与 ComfyUI 显存避坑 — spartong945 · 2026-09-11
- Midjourney 风格参考分享:--sref 2912175708 — tisch_eins · 2026-09-11
- Astra 分镜+Minimax H3 分镜逐帧生成，视频创作成功率大增 — Hailuo_AI · 2026-09-11
- Hailuo 转推：MiniMax H3 MAX 一发生成 15 秒美食动画短片 — Hailuo_AI · 2026-09-11