IBM近日正式推出小型视觉语言模型Granite-Docling-258M，该模型专为文档与表格处理设计，参数量为2.58亿，适用于端到端文件转换场景。基于Apache 2.0开源协议，模型已在Hugging Face上线。其核心技术DocTags由IBM Research研发，可精准标记页面元素类型、位置及阅读顺序，实现内容与版式分离，并支持导出为Markdown、JSON等格式。相比传统OCR，识别准确性更高，能完整保留表格、公式、列表等结构。目前支持中文、阿拉伯语和日语，未来将拓展更多语言并提升稳定性，同时加强与watsonx.ai的兼容性。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。