标签: PDF解析

olmOCR基于Qwen2-VL模型，利用Transformer架构和视觉-语言联合预训练解析PDF，成本低于GPT-4o。它采用文档锚定技术，并针对模型压缩、推理加速和硬件适配进行优化。实测中，该方案在公式检测和法律合同解析方面表现出色，但对古籍和流程图的支持有限。