Qwen3.5-9B 在文件基準測試勝過前沿模型
Qwen3.5 模型（0.8B 至 9B）在開放文件 AI 基準測試中評估，涵蓋 9,000 多份真實文件。9B 和 4B 變體在 OCR 文字提取、VQA 和 KIE 任務中勝過 Gemini 3.1 Pro 和 GPT-5.4 等前沿模型。但在表格提取和手寫 OCR 上明顯落後。
Search
Tag: #document-ai14 results
擴展文件 AI：生產環境管線的微服務架構模式
本研究提出了一種強大的微服務架構，用於大規模部署文件理解管線。它為優化生產環境中高吞吐量的 OCR 與基於 LLM 的提取提供了寶貴見解。
微軟將把 Anthropic AI 模型引入 Word，為 Copilot 用戶提供更多選擇
微軟宣布，今年 5 月下旬將把 Anthropic 的大模型引入 Microsoft 365 Copilot，在 Word 中為用戶提供智能潤色和整理文件的新選項。此整合由微軟作為分處理方運營，Anthropic 模型將在微軟既有安全、合規框架下運行，OpenAI 模型仍可選擇。
Claude 登陸 Microsoft Word
Anthropic 推出適用於 Microsoft Word 的全新 Claude 擴充功能。此擴充套件讓 Claude 能夠讀取整個文件、編輯選取文字、處理註解，並追蹤變更以維持使用者控制。
Granite 4.0 3B Vision 推出企業文件版
Hugging Face 發布 Granite 4.0 3B Vision，這是一款專為企業文件設計的緊湊多模態模型。它提供高效的視覺語言智能，適用於商業應用。該模型現已在 Hugging Face 平台上線。
🔬
IDP 排行榜基準測試 16 款 VLM
全新開放 IDP 排行榜評估 16 款 VLM，涵蓋 9,000+ 文件與三項基準：OlmOCR、OmniDoc 及 IDP Core。Gemini 3.1 Pro 略居首位；廉價變體在非推理任務與旗艦匹敵。提供預測 vs. 真值結果瀏覽器。
以證據為基礎的建築 PDF 約束檢查
這項研究提出一套用於建築文件審查的證據導向管線，將文字、幾何、頁面與版本資訊正規化，並以決定性規則進行約束檢查。在重複測試中，增加重疊頁面區塊的解析度可提升準確率；但在更廣泛的資料集上未穩定勝過頁面涵蓋率，顯示仍需要具備規則感知能力的證據路由與人工覆核。
建立從 Amazon S3 進行互動式 PDF 文字擷取的系統
本指南展示如何建立一個伺服器，從儲存在 Amazon S3 的 PDF 檔案中進行即時文字擷取。文中並比較了自訂協定擷取與 Amazon Textract 的差異，協助開發者選擇合適的工具。
Gemini 應用程式直接使用 NotebookLM，「Notebooks」區段新設
Google 在 Gemini AI 應用程式新增「Notebooks」區段，直接存取 NotebookLM。使用者可從側邊欄建立和管理筆記本，生成特定文件基礎的回答、使用 Canvas 長文撰寫，並在 Gemini 內產生音聲概說。付費方案使用者優先推出。
📰
雲知聲Unisound U1-OCR大模型發布！首個工業級文件智能基礎大模型，開啟OCR 3.0時代
雲知聲發布U1-OCR，首個工業級文件智能基礎大模型。此發布標誌著OCR 3.0時代的開啟。它針對工業應用提供強健的文件處理。