GPT-4系列模型，在文档理解中的多维度评测

文章预览

专注AIGC领域的专业社区，关注微软 、百度文心一言、讯飞星火等大语言模型（LLM）的发展和 应用 落地，聚焦LLM的市场研究和AIGC开发者生态，欢迎关注！ 著名云数据平台Snowflake的研究人员发布了一篇论文，主要对OpenAI的GPT-4系列模型进行了研究，查看其文本生成、图像理解、文档摘要等能力。 在DocVQA、InfographicsVQA、SlideVQA和DUDE数据集上对GPT-4、GPT-4 V、GPT-4 Turbo V +OCR等进行了多维度测试。 结果显示，使用GPT-4去执行解读文档任务时，无法达到满意的效果。这是因为，文档理解不仅是对文本的解析，还涉及到对文档布局、图片视觉内容的理解、推理和整合。 使用GPT-4 V去执行时评测数据有了很大的改善，当使用GPT-4 Turbo V+第三方OCR（光学字符识别）视觉引擎时，例如，Tesseract、Azure Cognitive 、Amazon Textract等，可明显提升大模型的视觉理解能力。 可 ………………………………