近期，合合信息聯(lián)合琶洲實驗室、華南理工大學、中山大學等，共同承辦了“垂直領(lǐng)域大模型論壇”，匯聚高校及辦公、醫(yī)療、工業(yè)等多個行業(yè)代表性企業(yè)的技術(shù)專家，共同分享前沿技術(shù)成果與實戰(zhàn)思路，為大模型在垂直領(lǐng)域中的應(yīng)用，尋找新的落腳點。

文檔處理是垂直領(lǐng)域大模型的重要研究方向。受制于圖像質(zhì)量低下，版式豐富，文字字體、顏色多樣等因素的影響，文檔圖像智能分析與理解能力的大幅度提升面臨著挑戰(zhàn)。

合合信息智能技術(shù)平臺事業(yè)部副總經(jīng)理、高級工程師丁凱博士，在此次論壇上分享，“在智能文檔處理領(lǐng)域，大模型支持識別和理解的文檔元素類型，遠超傳統(tǒng)算法，大幅度拓展了AI技術(shù)在文檔分析與識別領(lǐng)域的能力邊界，端到端實現(xiàn)了文檔從識別到理解的全過程。不足在于，目前大模型的OCR精度，距離領(lǐng)域最佳模型，有較大差距，長文檔依賴外部的文檔解析引擎?！倍P認為，技術(shù)公司可以把“感知”層面的事情做好，讓大模型更好地去做“認知”，這種融合研究范式，在智能文檔處理領(lǐng)域中，具有積極的意義。

目前，合合信息-華南理工大學文檔圖像分析識別與理解聯(lián)合實驗室，針對大模型文檔處理中的像素級OCR統(tǒng)一模型、OCR大一統(tǒng)模型等重點技術(shù)方向，進行了深入研究，相關(guān)工作成果在文本去除、文本分割和篡改文本檢測任務(wù)上，得到了廣泛驗證。此外，實驗室還通過創(chuàng)新的文檔識別分析與LLM（自然語言模型）應(yīng)用設(shè)計，充分利用序列預測的優(yōu)勢，更好地解決文檔圖像處理中的多樣化任務(wù)需求，并且通過與LLM的結(jié)合，實現(xiàn)了更高層次的文檔理解和分析，為文檔圖像處理領(lǐng)域帶來了更多可能性。