近日，ibm 正式推出了名为 granite-docling-258m 的轻量级视觉语言 ai 模型。该模型专注于文档转换任务，具备出色的多语言处理能力，涵盖中文、阿拉伯语和日语，致力于提升文档解析的效率与精度。granite-docling-258m 拥有 2.58 亿参数，专为高效处理文档中的表格内容而优化。
相较于传统 OCR 工具，这款新模型在识别准确率方面表现更为出色。其输出不仅能完整保留原始文档的版面布局，还能精准识别表格、数学公式、项目列表以及代码段等多种复杂元素。这一突破性进展得益于 IBM Research 团队研发的 DocTags 技术——一种通用的文档结构标记语言，可精确标注页面中各元素的类型、位置及阅读顺序。
在文档转换过程中，Granite-Docling-258M 首先对文档内的各个组件进行语义识别，随后再执行光学字符识别。这种分步处理机制显著提升了信息提取的准确性与结构化程度。转换完成后，用户可将结果导出为 Markdown、JSON 或 HTML 等多种格式，灵活适配不同应用场景。此外，IBM 计划将 DocTags 的词汇体系集成至 Granite 系列模型的分词器及训练流程中，以进一步增强整体性能。
尽管目前 Granite-Docling-258M 尚未完全达到企业级部署的标准，但 IBM 表示将持续拓展其语言支持范围，并不断优化模型的稳定性和实用性。未来，团队还将推进 DocTags 与 IBM watsonx.ai 平台模型的深度融合，确保该技术能够在更广泛的业务场景中落地应用。
此次发布的新型模型为文档自动化处理提供了全新的技术路径，也为金融、法律、教育等行业提升办公智能化水平带来了有力支撑。
huggingface:https://www.php.cn/link/4fd122953585783d1e67973850a79cde
划重点:? ** 轻量级模型 **: IBM 推出 Granite-Docling-258M，专为文档转换打造。? ** 高准确度 **: 识别精度超越传统 OCR，支持表格、公式、代码等多元元素。? ** 多语言支持 **: 当前支持中文、阿拉伯语、日语，后续将增加更多语种。
