DharmaOCR reduce la tasa de degradación de texto un 59,4% con DPO
Título original:Direct Preference Optimization Beyond Chatbots
Resumen de IA
DharmaOCR, un modelo de OCR estructurado lanzado en abril, emplea la optimización de preferencias directa (DPO) como segunda fase de entrenamiento tras el ajuste fino supervisado (SFT) en tareas de extracción de documentos en portugués de Brasil. El SFT no puede penalizar directamente la degradación de texto (bucles de repetición), mientras que el DPO usa las propias salidas fallidas del modelo (bucles de degradación) como muestras negativas en el entrenamiento de preferencias, lo que reduce la tasa de degradación de texto una media del 59,4% en todas las familias de modelos probadas, con un máximo del 87,6% (por ejemplo, Nanonets-OCR2-3B pasa del 1,61% al 0,20%). El DPO tradicional se usa sobre todo para alineación conversacional; este trabajo lo extiende a tareas objetivas de OCR y demuestra que puede corregir modos de fallo específicos.
Puntos clave
- DharmaOCR,un modelo de OCR estructurado lanzado en abril,emplea la optimización de preferencias…
- El SFT no puede penalizar directamente la degradación de texto (bucles de repetición),mientras que…
- El DPO tradicional se usa sobre todo para alineación conversacional
- este trabajo lo extiende a tareas objetivas de OCR y demuestra que puede corregir modos de fallo…
Resumen rápido
- Publicado
- Actualizado
- Fuente
- Hugging Face 社区博客(混合发现)
- Categoría
- Tutoriales y consejos
- Puntuación IA
- 55
DPO 不只能对齐,这篇直接用模型自身的垃圾输出当反例,把 OCR 的重复错误平均降了 59%。思路不复杂,但告诉做结构化生成的工程师:训练数据里最该保留的就是模型犯的错。
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: DharmaOCR reduce la tasa de degradación de texto un 59,4% con DPO. 3. junio 2026. https://new.nat6.net/es/news/cmpy47xxi01kislax812354vk/