A SmolDocling possui recursos profissionais de processamento de documentos compostos, podendo identificar e converter com precisão seis categorias de elementos de documentos: em primeiro lugar, na extração de texto OCR para dar suporte ao reconhecimento de 187 idiomas; seu mecanismo de reconhecimento de layout pode restaurar a estrutura tipográfica original do documento; para documentos técnicos, blocos de código exclusivos podem ser mantidos com recuo completo e marcação de sintaxe; fórmulas matemáticas complexas do LaTeX podem ser convertidas para o formato padronizado MathML; processamento de gráficos usando a tecnologia de análise vetorial para extrair pontos de dados; reconhecimento de tabelas por meio de algoritmos adaptativos para manter a relação entre linha e coluna. Formatação padronizada MathML; tecnologia de análise vetorial para extrair pontos de dados para processamento de gráficos; e algoritmos adaptativos para manter as relações entre linhas e colunas para reconhecimento de tabelas. Essas funções são integradas em um fluxo de processamento unificado que gera resultados estruturados por meio da linguagem de marcação patenteada DocTags.
Os testes técnicos mostram que o modelo processa documentos de tamanho A4 em um tempo médio de 3,2 segundos (ambiente de GPU), e a precisão do reconhecimento atinge o nível de 90% do software profissional de processamento de documentos. Especialmente em cenários de reconhecimento de código, sua capacidade de manter a integridade do formato excede a das ferramentas tradicionais de OCR em mais de 40%. Esse recurso de processamento multimodal o torna a solução preferida para a digitalização de documentos técnicos.
Essa resposta foi extraída do artigoSmolDocling: um modelo de linguagem visual para o processamento eficiente de documentos em um pequeno volumeO
Português do Brasil 
简体中文 
English 
日本語 
Deutsch