智谱发布多模态模型 GLM-OCR 技术报告

智谱团队正式发布其多模态模型 GLM-OCR 技术报告，详细介绍了模型「SOTA 文档理解能力」背后的技术细节。 为了解决复杂文档理解的高性能与高吞吐需求，GLM-OCR 的设计基于三项关键观察与技术创新： 集成版面分析：在识别前先进行版面检测，将复杂页面分割为多个简单区域，这提升了模型对复杂版面的鲁棒性和性能稳定性，并...