문서 디지털화는 오랫동안 다단계 문제였습니다: 먼저 레이아웃을 감지하고, 그런 다음 텍스트를 추출한 다음 구조를 재구성하려고 시도합니다. 대형 비전-언어 모델 (LVLM)의 경우, 이로 인해 종종 ‘구조적 환각’이 발생합니다. 이는 순서가 뒤죽박죽인 행, 가짜 공식 또는 닫히지 않은 구문 등을 의미합니다. FireRedTeam은 문서 파싱을 처리하기 위해 설계된 플래그십 모델인 FireRed-OCR-2B를 발표했습니다. 이 모델은 LVLM에서 발생하는 ‘구조적 환각’을 해결하는 데 사용됩니다.

<Mark Tech Post 뉴스 본문 전체읽기>