# 文檔理解

DeepSeek-VL2是一系列先進的大型混合專家(MoE)視覺語言模型，相較於前代DeepSeek-VL有顯著提升。該模型系列在視覺問答、光學字符識別、文檔/表格/圖表理解以及視覺定位等多種任務上展現出卓越的能力。DeepSeek-VL2由三種變體組成：DeepSeek-VL2-Tiny、DeepSeek-VL2-Small和DeepSeek-VL2，分別擁有10億、28億和45億激活參數。DeepSeek-VL2在激活參數相似或更少的情況下，與現有的開源密集型和基於MoE的模型相比，達到了競爭性或最先進的性能。

mPLUG-DocOwl 1.5 是一個致力於OCR-free文檔理解的統一結構學習模型，它通過深度學習技術實現了對文檔的直接理解，無需傳統的光學字符識別(OCR)過程。該模型能夠處理包括文檔、網頁、表格和圖表在內的多種類型的圖像，支持結構感知的文檔解析、多粒度的文本識別和定位，以及問答等功能。mPLUG-DocOwl 1.5 的研發背景是基於對文檔理解自動化和智能化的需求，旨在提高文檔處理的效率和準確性。該模型的開源特性也促進了學術界和工業界的進一步研究和應用。

EAGLE是一個面向視覺中心的高分辨率多模態大型語言模型（LLM）系列，通過混合視覺編碼器和不同輸入分辨率來加強多模態LLM的感知能力。該模型包含基於通道連接的'CLIP+X'融合，適用於具有不同架構（ViT/ConvNets）和知識（檢測/分割/OCR/SSL）的視覺專家。EAGLE模型家族支持超過1K的輸入分辨率，並在多模態LLM基準測試中取得了優異的成績，特別是在對分辨率敏感的任務上，如光學字符識別和文檔理解。

RAGFlow是一個開源的RAG（Retrieval-Augmented Generation）引擎，基於深度文檔理解，提供流線型的RAG工作流程，適用於各種規模的企業。它結合了大型語言模型（LLM）提供真實的問答能力，支持從各種複雜格式數據中引用確鑿的引文。

Adobe Acrobat的AI助手是一個集成在Acrobat中的創新功能，它可以幫助用戶通過提問來理解文檔內容，快速獲取信息並生成內容。這項功能特別適合需要從文檔中提取關鍵信息並快速創建電子郵件、演示文稿、會議記錄等的用戶。AI助手可以生成文檔摘要，提供基於文檔內容的建議問題，幫助用戶更有效地探索和理解內容。此外，Adobe Acrobat的AI助手遵循Adobe的AI倫理原則，確保用戶數據的安全和透明。

mPLUG-DocOwl 是一款用於文檔理解的模塊化多模態大語言模型，能夠處理 OCR-free 文檔理解任務。該模型具有出色的性能表現，支持文檔視覺問答、信息問答、圖表問答等多種任務。用戶可以通過模型提供的在線演示來體驗其強大功能。

DocLLM是一個提供多模態文檔理解模型的平臺，旨在處理企業文檔中的文本和空間佈局，並提供優於現有大型語言模型的性能。其模型採用輕量級擴展，避免昂貴的圖像編碼器，專注於邊界框信息以納入空間佈局結構。通過分解經典Transformer中的注意機制，捕獲文本和空間模態之間的交叉對齊。此外，設計了一個預訓練目標，學習填充文本段落，以解決視覺文檔中經常遇到的不規則佈局和異質內容。該解決方案在14個任務的16個數據集中優於現有大型語言模型，並且對5個以前未見數據集具有良好的泛化能力。

Unriddle是一個幫助你閱讀、寫作和學習更快的工具。它可以簡化複雜的主題，找到信息，提問並立即獲取答案。Unriddle能夠自動理解文檔中每個項的上下文，根據語義意義自動鏈接它們。它還可以生成AI助手，幫助你快速找到、總結和理解信息。此外，Unriddle還可以幫助你快速找到你需要的內容，不再需要無休止的瀏覽。即使是最複雜的內容，Unriddle也可以讓你輕鬆理解。你可以使用AI自動補全和高亮功能來生成文本，以改進、擴展、總結和解釋。