OCRia-1, il modello di LlamaIndex per leggere i documenti

• LlamaIndex presenta OCRia-1, un modello visivo da 4 miliardi di parametri che trasforma documenti (PDF, scansioni, report) in testo strutturato. Su ParseBench fa 87.4, il punteggio più alto fra i modelli sotto i 35B e 12.1 punti sopra il secondo, ed è primo sulle tabelle anche in benchmark esterni come olmOCR-bench (92.9), PulseBench-Tab e fr-bench-pdf2md.
• È forte proprio dove gli altri sbagliano: tabelle con intestazioni annidate, celle unite e scansioni; grafici senza etichette trasformati in dati (85.1, 19 punti sopra il secondo); formattazione con apici, pedici, caselle di spunta e formule in LaTeX (83.4).
• È stato addestrato su oltre 100.000 pagine di casi difficili, con fine-tuning supervisionato e reinforcement learning con ricompense verificabili. Fa già girare LlamaParse, allo stesso prezzo di prima.

Fonti

• Blog ufficiale
• LlamaParse Cloud
• Thread Jerry Liu
• Post LlamaIndex