DharmaOCR डोमेन-विशिष्ट प्रशिक्षण के माध्यम से ब्राज़ीलियन पुर्तगाली पर Mistral OCR4 और Unlimited-OCR की तुलना में उच्चतर निष्कर्षण गुणवत्ता और स्थिरता हासिल करता है।
- DharmaOCR ने पुर्तगाली-केंद्रित बेंचमार्क पर 0.925 स्कोर किया, जबकि Mistral OCR4 के लिए 0.798 और Unlimited-OCR के लिए 0.7587 था।
- मॉडल ब्राज़ीलियन पुर्तगाली शब्दावली के साथ अनुकूलित करने के लिए पर्यवेक्षित सूक्ष्म-अनुकूलन (SFT) और आउटपुट क्षय को कम करने के लिए प्रत्यक्ष प्राथमिकता अनुकूलन (DPO) का उपयोग करता है।
- बहुभाषी मॉडल "Chico Buarque" जैसे उचित नामों पर व्यवस्थित त्रुटियां प्रदर्शित करते हैं और पैरामीटर वितरण के कारण जटिल दस्तावेजों पर असंगत पाद उत्पन्न करते हैं।
- DharmaOCR की विशेषज्ञता प्रशिक्षण सभी पैरामीटरों को लक्षित डोमेन पर केंद्रित करता है, जहां व्यापक मॉडल विफल होते हैं वहां स्थिर प्रदर्शन सुनिश्चित करता है।
विशेषज्ञता सीमित संसाधनों को कई भाषाओं में वितरित करने के बजाय एक ही भाषा को समर्पित करके नए आर्किटेक्चर के सापेक्ष एक मापनीय लाभ प्रदान करती है।