登录社区云，与社区用户共同成长
邀请您加入社区
解析文档场景下多模态大模型的应用与研究前沿一、TextIn 文档解析技术1. 现有大模型文档解析问题2. 文档解析技术背景3. TextIn 文档解析技术架构4. 版面分析关键技术 Layout-engine二、TextIn 文本向量化技术三、TextIn.com Text Intelligence
随着科技的飞速发展，数字孪生和元宇宙已经成为当今最热门的话题之一。作为山海鲸可视化软件的开发者，我们对这两者都有着深入的了解。在此，我们将详细探讨数字孪生和元宇宙的关系，以及它们如何相互影响。
Qwen2-VL是阿里通义实验室推出的多模态大模型。本文我们将简要介绍基于 transformers、peft 等框架，使用 Qwen2-VL-2B-Instruct 模型在COCO2014图像描述 上进行Lora微调训练，同时使用 SwanLab 监控训练过程与评估模型效果。
RAG-Anything的核心技术创新在于构建了统一的多模态知识图谱架构，能够同时处理并关联文档中的文字内容、图表信息、表格数据、数学公式等多种类型的异构内容，解决了传统RAG系统仅支持文本处理的技术限制，为多模态文档的智能理解提供了新的技术方案。
