PaDoc schlägt paralleles Decoding für die Dokumentenverarbeitung vor
Das arXiv-Paper beschreibt einen MLLM-Parser, der die Decodierung regionaler Inhalte von einer gemeinsamen Seitendarstellung abzweigt.
Warum es wichtig ist
Dokumentenparsing ist ein zentraler Workflow, um multimodale Modelle auf PDFs, Formulare und Unternehmensunterlagen anzuwenden. PaDoc zielt auf einen wichtigen Effizienzengpass bei End-to-End-Parsern: das serielle Decoding unabhängiger Seitenregionen.
Die Kernpunkte
- 1.PaDoc behält den Kontext der gesamten Seite bei und parallelisiert zugleich das Decoding regionaler Inhalte.
- 2.Die Methode nutzt maskiertes paralleles Decoding mit Backend-Concurrency über vLLM.
- 3.Das Paper berichtet 91,1 Overall Layout F1 auf OmniDocBench Full.
Forschende haben PaDoc vorgestellt, einen layoutbasierten Dokumentenparser, der das vorhergesagte Seitenlayout als Verzweigungsstruktur über einer gemeinsamen Seitendarstellung behandelt. Die Methode soll es ermöglichen, dass der Layout-Stream und die regionalen Inhaltszweige gleichzeitig voranschreiten, wodurch sich die Decoding-Tiefe auf den längsten Layout-Content-Pfad reduziert statt auf die vollständig serialisierte Seite. Das Paper berichtet einen Overall Layout F1 von 91,1 auf OmniDocBench Full.
⚡ Heute ausprobieren
Lesen Sie das Paper, bevor Sie Hochdurchsatz-Pipelines für die Dokumentenverarbeitung entwickeln, die von serialisierten MLLM-Ausgaben abhängen.
Quellen & Originalberichte
Dieser Brief fasst die Berichterstattung der folgenden Medien zusammen und verlinkt sie.
Hat dir dieses Briefing gefallen? Erhalte das nächste per Mail.
Mehr in Forschung
MiLMMT-Team veröffentlicht referenzfreie Übersetzungsmodelle
MiLMMT-46-v1.0 nutzt GRPO und Checkpoint-Interpolation, um offene mehrsprachige Übersetzung zu verbessern.
DistilVDR komprimiert die visuelle Dokumentensuche
Der Retriever mit 524 Millionen Parametern nutzt bilaterale Destillation von einem 8B-Vision-Language-Lehrmodell.
Google testet AMIE für medizinische Videokonsultationen in Echtzeit
Das auf Gemini basierende Forschungssystem wurde in simulierten Telemedizin-Konsultationen evaluiert.