多模态模型

专注于将图像文档转换为结构化文本SmolDocling

作者

IBM Research 的 SmolDocling-256M-preview 是一个多模态文档处理模型，专注于将图像文档转换为结构化文本，并支持 OCR、代码块识别、数学公式转换和表格/图表解析等。其核心特性包括高效处理和精准元素识别，具备轻量级模型（基于 2.56 亿参数的 Idefics3 架构）以及开源协议。