ट्यूटोरियल और टिप्स

DharmaOCR ने DPO का उपयोग करके टेक्स्ट क्षरण दर 59.4% कम की

मूल शीर्षक:Direct Preference Optimization Beyond Chatbots

AI सारांश

अप्रैल में जारी DharmaOCR (संरचित OCR मॉडल) ने ब्राज़ीलियाई पुर्तगाली दस्तावेज़ निष्कर्षण कार्यों में, सुपरवाइज़्ड फाइन-ट्यूनिंग (SFT) के बाद दूसरे प्रशिक्षण चरण के रूप में डायरेक्ट प्रेफरेंस ऑप्टिमाइज़ेशन (DPO) का उपयोग किया। SFT सीधे टेक्स्ट क्षरण (दोहराव लूप) को दंडित नहीं कर सकता, जबकि DPO मॉडल के अपने विफल आउटपुट (क्षरण लूप) को नकारात्मक नमूनों के रूप में उपयोग करके प्राथमिकता प्रशिक्षण करता है, जिससे सभी परीक्षण मॉडल परिवारों में टेक्स्ट क्षरण दर औसतन 59.4% कम हुई, अधिकतम 87.6% तक (जैसे Nanonets-OCR2-3B 1.61% से 0.20% तक)। पारंपरिक DPO का उपयोग अधिकतर चैट संरेखण के लिए किया जाता है, इस कार्य ने इसे वस्तुनिष्ठ OCR कार्यों तक विस्तारित किया, यह साबित करते हुए कि DPO विशिष्ट विफलता मोड को लक्षित रूप से ठीक कर सकता है।

मुख्य जानकारी

  • अप्रैल में जारी DharmaOCR (संरचित OCR मॉडल) ने ब्राज़ीलियाई पुर्तगाली दस्तावेज़ निष्कर्षण कार्यों…
  • 4% कम हुई,अधिकतम 87.
  • 6% तक (जैसे Nanonets-OCR2-3B 1.
  • 20% तक)। पारंपरिक DPO का उपयोग अधिकतर चैट संरेखण के लिए किया जाता है,इस कार्य ने इसे वस्तुनिष्ठ…

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
Hugging Face 社区博客(混合发现)
श्रेणी
ट्यूटोरियल और टिप्स
AI स्कोर
55
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

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。

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: DharmaOCR ने DPO का उपयोग करके टेक्स्ट क्षरण दर 59.4% कम की। 3 जून 2026। https://new.nat6.net/hi/news/cmpy47xxi01kislax812354vk/

सभी देखें →