算法论文8

百度小模型 PP - OCRv5 挑战大模型神话

CourseAI2026-03-26

AI 摘要

百度 PaddleOCR 团队挑战‘模型越大效果越好’，认为 OCR 专业任务中数据质量比参数重要。PP - OCRv5 参数少但准确率高，性价比出色，‘不卷模型卷数据’思路值得关注。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

灵初较真机器人训练数据质量

本文聚焦机器人学习人类操作的数据痛点，灵初智能提出逆向生成强配对数据的新思路，升级Psi-R2.5模型，提升数据可用性，降低新任务适配成本，方案已落地客户现场。

文档解析领域，MinerU团队开源了专门给OCR结果做“后处理”的4B小模型MinerU - Popo。它能把碎成一页一页的OCR结果重新拼成文档级结构，解决了当前OCR跨页逻辑断裂问题，且效果和成本优势突出。

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

处理PDF时，若全用OCR成本和延迟会增加，直接提取文本又易遇乱序、乱码等问题。Firecrawl开源的pdf - inspector工具能智能区分扫描版和文本版PDF，按需使用OCR，精准处理。