蚂蚁集团发布 PolyOCR 统一 OCR 基座模型,多基准达到 SOTA
GuangJian Team · hf · 2026-10-12
蚂蚁集团 GuangJian 团队发布 PolyOCR-Venus,一系列统一规模的 OCR 基础模型,推动 OCR 从纯文本转写走向通用视觉智能(识别、定位、推理一体化)。
技术亮点:
- 共享指令跟随框架 + 大规模数据引擎,将异构视觉资源转为质量校验的 OCR 监督数据
- 提出 Competence-Guided Policy Optimization:验证器驱动的 GRPO 结合基于教师可靠性与师生能力差距的逐样本路由的在线蒸馏
- 修订发布 OCRBench v2.1,含人工校验的标注修正与任务对齐评分
在 OCRBench v2.1、CC-OCR、OmniDocBench v1.6 等多个基准上取得 SOTA 或高度竞争表现,模型已在 GitHub 开源。
「模型」频道最新
- Anthropic 长期保留旧模型,让「成本做不到」的说法被戳穿 — repligate · 2026-10-12
- 「模型吞噬 harness」:agent 框架逻辑正被模型自身接管 — khademinori · 2026-10-12
- 用户吐槽 Claude Code fast mode 明明有额度却用不了 — RileyRalmuto · 2026-10-12
- 用户抱怨 GPT-Live 语音模式频繁说「等一下」再作答 — Key-Astronaut2407 · 2026-10-12
- 实测 OpenAI Decisions API：硬币概率校准严重失真 — JnBrymn · 2026-10-12
- 爆料称 Anthropic 下一代 Claude 正在 Claude Code 中测试，号称全面 SOTA — Eric520CC · 2026-10-12