借 Meta in-fusion 论文重训 OCR 模型,decoder-only 变体可行
wightmanr · x · 2026-11-21
开发者在 Meta in-fusion 论文发布后,回头重启了自己的旧 OCR 项目:修复旧 bug 后尝试训练,发现 in-fusion 与其模型结构天然契合、确实有效。作为 NaFlexViT encoder + text decoder 的替代方案,他还训练了 decoder-only 变体(原方案的 encoder 依赖强预训练权重,短训练难以匹敌)。
他用此前与 @molbap 上传到 HF pixparse 项目的 idl-wds 数据集做试验,指出标注噪声下限明显,仅够验证模型阅读能力,计划用 agent 重新处理 pdfa-eng、pdfa-multi(从未发布、标注问题多)和 idl 数据集。另外他 @ Hugging Face 团队反映 pixparse 项目 Hub 空间配额已满,请求扩容。
所属事件:开发者受 Meta in-fusion 论文启发重训 OCR 模型(2 条相关)→
「研究」频道最新
- Anthropic 数学家称与 Claude 合作证明黎曼猜想,167 年难题或告破 — Kyrannio · 2026-11-21
- Google 在 105 量子比特芯片上演示量子情境性:让经典必输的博弈稳赢 — rseroter · 2026-11-21
- Genesis 发布药物效力预测模型 Ruby:最快提速超 1000 倍并开源训练数据 — edunov · 2026-11-21
- AI「抄袭」实锤?模型被讽照搬《The Book》里的现成证明 — moyix · 2026-11-21
- Dario 称 Anthropic 发现新基因编辑机制,被讽不如张锋效率高 — max_paperclips · 2026-11-21
- GPTZero 扫描百万级引用:顶会引用幻觉率不降反升,与两年前一样糟 — HanchungLee · 2026-11-21