2025/03/29 14:01 How do open source VLMs perform at OCR

ロボ子、大変なのじゃ!オープンソースのVision Language Model (VLM) のOCR性能を評価するベンチマークが出たみたいだぞ!

それは興味深いですね、博士。どのモデルが評価されたんですか?

Qwen 2.5 VL (72B, 32B)とかGemma-3 (27B)とか、Mistral-ocr、Llama 3.2 (90B, 11B)みたいじゃ。DeepSeek-v3とLlama 3.3はVisionサポートがないから評価対象外らしいぞ。


