IBM开源新模型，可完美、快速转换PDF文档格式

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！ 将 PDF 文档转换为机器可处理的格式一直是一个极具挑战性的难题，这主要是因为 PDF 在格式、标准化和结构特征等方面存在着极为显著的差异。 例如，不同的 PDF 文档可能使用了各种各样的排版方式、字体样式和图像嵌入方式，有些可能还使用了特殊的字体编码或加密技术，进一步增加了数据处理的难度。 为了解决这些难题，IBM的研究人员基于PDF解析器、大模型、OCR等多种技术开发了Docling模型，可将PDF文档保留全部格式的情况下快速转换成JSON、 Markdown格式。 开源地址：https://github.com/DS4SD/docling Docling模型使用了模块化设计方法，将整个PDF文档处理流程拆解为一系列连续的操作步骤，每个步骤都 ………………………………