h2oai/h2ovl-mississippi-800m
Model Card \📜 H2OVL-Mississippi Paper\(https://arxiv.org/abs/2410.13611) \🤗 HF Demo\(https://huggingface.co/spaces/h2oai/h2ovl-mississippi) \🚀 Quick Start\(quick-start) The H2OVL-Mississippi-800M is a compact yet powerful vision-language model fr...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tháng
🚀 Mô hình vision-language siêu nhẹ, mạnh như trâu
H2OVL-Mississippi-800M: chỉ 0.8 tỷ tham số nhưng thống trị OCRBench.
H2OVL-Mississippi-800M là mô hình ngôn ngữ-vision đa phương tiện (multimodal LLM) từ H2O.ai, được xây dựng trên kiến trúc H2O-Danube. Dù nhỏ gọn (chỉ 0.8 tỷ tham số), mô hình vượt trội trên OCRBench và các tác vụ nhận dạng văn bản, phù hợp cho OCR và xử lý tài liệu.
✨ Điểm nổi bật
- 0.8 tỷ tham số: Cân bằng hiệu năng và hiệu quả, phù hợp cho OCR và xử lý tài liệu.
- Huấn luyện trên 19 triệu cặp ảnh-văn bản: Tập trung OCR, hiểu tài liệu, biểu đồ, hình ảnh và bảng.
- Hiệu năng hàng đầu trên OCRBench: Vượt mặt các mô hình lớn hơn trong nhận dạng văn bản.
- Hỗ trợ trò chuyện đa phương tiện: Xử lý cả văn bản và hình ảnh đầu vào.
- Tích hợp prompt kỹ thuật JSON: Hỗ trợ trích xuất thông tin có cấu trúc từ ảnh.
💡 Vì sao đáng chú ý
Không cần mô hình khổng lồ để đạt kết quả tốt trên OCR. Mississippi-800M chứng minh mô hình nhỏ có thể cạnh tranh với các mô hình hàng chục lần kích thước. Dễ triển khai, tiết kiệm tài nguyên, lý tưởng cho ứng dụng đọc text từ ảnh, xử lý giấy tờ, hoặc chatbot đa phương tiện.
#MultimodalAI #OCR #H2Oai #OpenSource #VisionLanguage #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
DeepSeek-R1 Paper Link👁️ 1. Introduction We introduce our first-generation reasoning models, DeepSeek-R1-Zero and DeepSeek-R1. DeepSeek-R1-Zero, a model trained via large-scale reinforcement learning (RL) without supervised fine-tuning (SFT) as a p...
Model Information The Meta Llama 3.1 collection of multilingual large language models (LLMs) is a collection of pretrained and instruction tuned generative models in 8B, 70B and 405B sizes (text in/text out). The Llama 3.1 instruction tuned text onl...
Qwen3-0.6B Qwen3 Highlights Qwen3 is the latest generation of large language models in Qwen series, offering a comprehensive suite of dense and mixture-of-experts (MoE) models. Built upon extensive training, Qwen3 delivers groundbreaking advancement...
Try gpt-oss · Guides · Model card · OpenAI blog Welcome to the gpt-oss series, OpenAI’s open-weight models(https://openai.com/open-models) designed for powerful reasoning, agentic tasks, and versatile developer use cases. We’re releasing two flavors...
Try gpt-oss · Guides · Model card · OpenAI blog Welcome to the gpt-oss series, OpenAI’s open-weight models(https://openai.com/open-models) designed for powerful reasoning, agentic tasks, and versatile developer use cases. We’re releasing two flavors...
Model Details Meta developed and released the Meta Llama 3 family of large language models (LLMs), a collection of pretrained and instruction tuned generative text models in 8 and 70B sizes. The Llama 3 instruction tuned models are optimized for dia...
GPT-2 Test the whole generation capabilities here: https://transformer.huggingface.co/doc/gpt2-large Pretrained model on English language using a causal language modeling (CLM) objective. It was introduced in this paper(https://d4mucfpksywv.cloudfro...
Model Details Meta developed and released the Meta Llama 3 family of large language models (LLMs), a collection of pretrained and instruction tuned generative text models in 8 and 70B sizes. The Llama 3 instruction tuned models are optimized for dia...
GLM-5.2 👋 Join our WeChat or Discord community. 📖 Check out the GLM-5.2 blog and GLM-5 Technical report. 📍 Use GLM-5.2 API services on Z.ai API Platform. 🔜 Try GLM-5.2 here. Paper GitHub Introduction We're introducing GLM-5.2, our latest flagshi...