从许多用户的实测表现上来看★，模型的表现的确可圈可点。不过有用户反映，对于表格转为 markdown 或 HTML 的任务★，SmolDocling 与其他多模态模型一样，偶尔会出现一些幻觉问题，但对于列边界不明确的表格处理表现还算不错。另一位用户评价道，对于如此小体积的模型来说，其表现还是很不错的★，虽然相对来说不够准确，但有望成为 PDF 提取的实用工具★。

　　经过多年招飞工作的实践，我校积累了丰富的经验，招飞工作现已成为学校教育教学工作中的亮点。我校自1998年以来★，已有17名学生圆了蓝天梦★，其中徐于豪和鲍一民同学入选空军航空大学“清华精英班★”★。武义一中被空军政治部评为招飞工作先进单位。招飞工作的突出，与我校矢志不渝的搞好保苗育苗相关工作，扎实开展学生身体训练、心品训练、文化训练是分不开的。而军训作为新生入学的第一课是非常必要的★。这不仅是一次体能的检验，更是一次意志力的磨练。希望你们通过军训★，增强国防观念★，培养坚定顽强的意志，克难攻坚的意识，吃苦耐劳的作风，坚韧执著的品质，并最终把这种勇于拼搏、积极进取的精神带到今后的学习生活中去，为我们的高中生活奠定坚实的基础★。

　　03月13日,广州3年推进重点行业生活垃圾源头减量达123.23万吨★,★“这是怎么了★？！”几个孩子都是一惊。,金沙导航★,线betapp链接。

　　研究人员开发的 DocTags 标记格式是 SmolDocling 的另一项核心。这是一种基于 XML 风格的结构化词汇，明确分离文本内容和文档结构★，从而提高了图像到序列模型的性能★。DocTags 使用开放和关闭标签包裹文本块，独立标签表示指令★，支持全面的文档结构表示，包括页面★、布局和元素位置。每个元素可以嵌套位置标签，使用固定网格坐标系（0-500）指定其在页面上的边界框★。

　　SmolDocling 基于 Hugging Face 的 SmolVLM 架构，可以处理整个页面的内容，并通过生成“DocTags”（一种新型通用标记格式）精确捕捉页面元素及其位置和上下文信息。与依赖手工制作的流水线或大型基础模型不同，SmolDocling 采用端到端的转换方法★，只需 256M 参数的规模就能准确捕获文档元素的内容★、结构和空间位置。研究团队称，它在各种文档类型中都表现出色★，包括商业文档、学术论文、技术报告、专利和表格等★，能够正确再现代码列表、表格★、方程式、图表和列表等多样化文档特征。

　　时事3：云顶娱乐网站app下载03月13日,陕西强化耕地保护 耕地面积达4560★.83万亩,

　　最近 IBM 和 Hugging Face 的研究人员又联合推出了一个新的小型视觉-语言模型 SmolDocling，这款专为文档转换任务而设计的模型，居然只用 256M 的参数就在各项基准测试上超越了更大规模的其他模型★。

　　在今年年初麻省理工科技评论将小模型（Small Language Model）评为2025 年十大突破性技术之一★，认为随着大模型的边际收益逐渐减小，小模型有望在特定任务中媲美甚至超越大模型。而最近小模型圈子的一系列成果★，都在印证这个趋势——从谷歌的 Gemma3、微软的 Phi4-mini 再到 Mistral 的 Small 3.1……小模型一天比一天精悍。

　　★“这是以昆木嫩枝编成的蒲团，历经时间长河冲刷★，神性不曾消磨殆尽，可令人静心凝神，利于悟道，是一件瑰宝。”

　　布局分析任务中★，SmolDocling 在 DocLayNet 测试集上的表现明显超过了 Qwen2★.5-VL-7b。不过两个模型的得分都低于人类基线，原因主要在于数据集本身的复杂性★。表格结构识别方面★，尽管测试数据集的图像质量较低★，SmolDocling 仍然表现出与更大模型相当的能力。

　　“爷爷★，我要变强！★”小不点从来没有像今天这般渴望力量，然而他在石村的修行到了顶点，没有什么可学的了★。

　　从架构上来说★，它所基于的 SmolVLM-256M 架构由两大核心部分组成：视觉编码器和语言骨干★。视觉编码器采用 SigLIP base patch-16/512（93M 参数）作为视觉骨干，与 2.2B 版本的同一模型相比，其训练数据重新平衡★，更加强调文档理解（41%）和图像描述（14%）★，结合了 Cauldron、Docmatix 数据集并添加了 MathWriting★。模型采用比较激进的像素混洗方法，将每个 512x512 图像块压缩为 64 个视觉标记。

　　,吉祥访官网,bt体育国际,北京线日,探访“偶遇——贵州木偶艺术展★”：木偶艺术★“传承赋新意”★,

　　训练采用课程学习方法，逐步对齐模型进行文档转换★。首先将 DocTags 作为标记添加到分词器中★，冻结视觉编码器，只训练网络其余部分，适应新的输出格式。接着解冻视觉编码器，在预训练数据集上训练模型，同时使用所有任务特定的转换数据集★。最后，使用所有可用数据集进行微调★，确保模型能够全面把握各种文档元素和特征。

　　语言骨干则使用 SmolLM-2 家族（135M 参数）的轻量级变体★，并通过提高像素到标记的比率（每个标记 4096 像素）和引入子图像分隔符的特殊标记，进一步提升了标记化效率。

　　新闻信息服务许可证音像制品出版许可证广播电视节目制作经营许可证网络视听许可证网络文化经营许可证山东省互联网传媒集团主办联系电话 违法不良信息举报电话

　　★,英皇国际APP,稳定的博彩app★,日博体育在线日★,专家★：深海考古需依托深海科技推进★,

　　紫山、罗浮大泽、雷族★、金狼部落等大族齐出★，这极其罕见，人们议论的同时★，也全都激动与兴奋了起来，这将是一场风云战★。

　　由此，SmolDocling 得以在文档处理任务上实现了良好的表现。并且★，与传统的集成系统相比★，SmolDocling 还展示出独特的鲁棒性优势。由于其转换输出是在单次处理中推断的，避免了错误在模型流水线中累积的问题。例如，即使表格位置识别不准确，SmolDocling 仍能正确重现表格结构和内容，避免了错误在处理流程中的累积。

　　不过研究团队表示凯发k8游戏官网入口，其页面元素定位识别能力仍有提升空间，这也将是他们未来工作的重点。团队计划公开更多数据集，推动文档理解领域的发展。目前，SmolDocling 已在 HuggingFace 平台上提供预览版（链接：）。

　　此外，DocTags 还集成了 OTSL 词汇表用于编码表格结构，支持列表处理、图片和表格的标题、代码格式保留等多种功能凯发k8游戏官网入口★，为文档转换提供了统一而高效的表示方式★。

　　第四十九章 血流十万里★,泛亚电竞官网,bob手机版官网APP,威尼斯人线上官网。

　　此外，研究人员还针对布局★、表格★、图表、代码和公式等特定任务准备了专门的数据集★。布局数据包括 DocLayNet v2（6 万页）★、WordScape（6.3 万页）和 SynthDocNet（25 万页）★；表格数据来自 PubTables-1M、FinTabNet 和 WikiTableSet；图表数据基于 FinTabNet 的 9 万个表格生成，总计 250 万个图表；代码数据集包含 930 万代码片段★，覆盖 56 种编程语言；公式数据集则包含 550 万个特殊公式。

　　在公式识别方面，SmolDocling 达到了 0★.95 的 F1 分数，与 GOT 相当，且明显优于其他模型。该研究还首次对代码列表识别任务进行了评估★，SmolDocling 在这一领域设立了初始基准★，精确率和召回率分别为 0★.94 和 0★.91。

　　对于小模型来说，训练数据的质量尤其重要。而在 SmolDocling 的过程中，研究人员首先在预训练阶段利用了 DocLayNet-PT（140 万页带有弱标注的数据集）和 Docmatix（130 万文档）。

　　那么★，SmolDocling 究竟是如何做到在如此小的参数规模下实现这种性能表现的呢？这就要谈到它的架构、训练方法和数据处理策略★。

　　在实际使用中★，SmolDocling 处理一页文档仅需 0.35 秒（在单个 A100 上），只占用 489MB 的显存，甚至可以在手机上就能使用★。

　　其中★，DocLayNet-PT 是从 DocFM 数据集中提取的，包含来自 CommonCrawl、和商业相关文档的特殊 PDF 文件★，专门选择了具有视觉多样性的内容（方程式★、表格、代码、图表、彩色布局）★。研究团队通过一系列处理步骤添加了弱标注★，包括 PDF 解析和增强，为每个页面提供布局元素★、表格结构、语言★、主题和图形分类的注释。