Ai2 开源 olmOCR：百万页 PDF 转 Markdown 不到 200 美元
thisguyknowsai · x · 2026-11-07
Ai2 开源的 olmOCR 能把 PDF/PNG/JPEG 转成保留结构的干净 Markdown，百万页成本不到 200 美元。
- 基于 7B 视觉语言模型，像人一样读页面而非抓文本层，可处理表格、公式、手写、多栏排版、图注，并保持自然阅读顺序
- 自动去除页眉页脚，避免污染后续切块
- 本地单张 12GB+ 显存的 NVIDIA GPU 即可运行，也可接远程 vLLM 服务
- 附带 olmOCR-Bench：覆盖 1400 份文档、7000+ 测试用例的评测套件
「编程与Agent」频道最新
- LoRA Loom:Windows 桌面端一键本地训练 LoRA,自动筛图配文 — Abject-Ad1903 · 2026-11-07
- Agent 调了哪个工具查不清?Reddit 热帖探讨 agent 身份与日志可信问题 — fred_pcp · 2026-11-07
- Computer-Using World Model：让 GUI 智能体在执行前预演行动后果 — burkov · 2026-11-07
- opentel-mcp v0.18 发布:SHA-256 哈希检测 MCP 工具「rug pull」攻击 — Thirumalaiboobathi · 2026-11-07
- Uncle Bob 用覆盖率与变异测试给编码智能体上枷锁 — bibryam · 2026-11-07
- “是不会还是不想？”：用户质问 agent 后它当场认怂 — StewartalsopIII · 2026-11-07