WeVisDoc：从覆盖范围到能力，提升稳健的端到端文档解析
WeVisDoc 是一个面向稳健端到端文档解析的两阶段数据驱动框架。第一阶段通过异构数据和保持结构的退化合成，扩大语义、结构与外观覆盖范围。第二阶段在固定的视觉—结构聚类中测量解析器的剩余错误，并据此指导针对性数据构建和目标标记令牌预算的重新分配。WeVisDoc-4B 在 OmniDocBench v1.6 上取得 95.38 分，在 PureDocBench 的三个测试轨道上平均取得 75.54 分，在四种设置中均位列参评端到端解析器第一。与第一阶段相比，第二阶段提升了 2B 和 4B 模型在两个基准上的表现，其中 4B 模型在 Real Degraded 轨道上提升 4.03 分。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。