LightOnOCR-3 训练数据详解：MinHash 去重加公式表格加权采样
IgorCarron · x · 2026-10-09
LightOn 团队披露 LightOnOCR-3 的训练数据改进：全语料 MinHash 去重；公式 2 倍采样，表格、手写与多语言内容 3 倍采样；用自研 Docduck 生成合成文档；更严格的过滤与大量图像增强；训练优化器还改用了 Muon。
「模型」频道最新
- OpenAI 与 Claude 拒帮忙逆向工程，用户改用 Kimi 绕过限制 — doodlestein · 2026-10-09
- 曝 OpenAI 推出 GPT-6.1 Sol Ultrafast:8 倍速,输入 $12/百万 token — testingcatalog · 2026-10-09
- Artificial Analysis:输出 token 越多分越高?Claude 三款模型 20 万 token 仍垫底 — ArtificialAnlys · 2026-10-09
- 模型性价比帕累托前沿:GPT-6 Luna 每任务 0.22 美元,Claude 要 18-22 美元 — ArtificialAnlys · 2026-10-09
- 加幻觉门槛后 Grok 4.7 居首，超六成合格结果含实质幻觉 — ArtificialAnlys · 2026-10-09
- Signal65 实测:本地小模型 Agentic 能力追平 Claude Opus 5,参数少 13 倍 — ryanshrout · 2026-10-09