Tencent ने पेज इमेज के लिए एक एंड-टू-एंड दस्तावेज़ पार्सर WeVisDoc-4B जारी किया है जो पेजों को LaTeX सूत्रों और HTML तालिकाओं के साथ संरचित Markdown में परिवर्तित करता है। Qwen3-VL-4B-Instruct से फाइन-ट्यून किए गए, मॉडल ने OmniDocBench v1.6 पर 95.38 का समग्र स्कोर प्राप्त किया और सभी चार रिपोर्ट किए गए सेटिंग्स में तुलना किए गए पार्सर्स के बीच पहले स्थान पर है।
- WeVisDoc-4B, Qwen3-VL-4B-Instruct से फाइन-ट्यून किया गया है।
- यह संरचित Markdown, LaTeX सूत्रों और HTML तालिकाओं को आउटपुट करता है।
- मॉडल ने OmniDocBench v1.6 पर 95.38 का समग्र स्कोर प्राप्त किया।
- यह सभी चार रिपोर्ट किए गए सेटिंग्स में तुलना किए गए एंड-टू-एंड पार्सर्स की अगुवाई करता है।
रिलीज़ में vLLM और क्लाइंट निर्भरताओं के लिए इंस्टॉलेशन निर्देश, साथ ही स्थानीय इनफरेंस और नेटवर्क पर सेवा चलाने के लिए उदाहरण शामिल हैं।