针对大模型在处理复杂表格识别任务中的实际表现,近期技术社区的反馈揭示了国产模型之间的显著差距。有开发者在对比测试中发现,虽然通义千问在该场景下被指表现不佳,但月之暗面的 Kimi(k2.5)在提取准确率上展现出较强竞争力。这一现象表明,在无法直接使用海外顶尖模型的背景下,国产大模型在多模态与 OCR 结构化提取等垂直领域的可用性正在快速分化,精准度的提升已成为 B 端落地核心痛点。
原文链接:Linux.do
针对大模型在处理复杂表格识别任务中的实际表现,近期技术社区的反馈揭示了国产模型之间的显著差距。有开发者在对比测试中发现,虽然通义千问在该场景下被指表现不佳,但月之暗面的 Kimi(k2.5)在提取准确率上展现出较强竞争力。这一现象表明,在无法直接使用海外顶尖模型的背景下,国产大模型在多模态与 OCR 结构化提取等垂直领域的可用性正在快速分化,精准度的提升已成为 B 端落地核心痛点。
原文链接:Linux.do
评论前必须登录!
立即登录 注册