Falcon OCR Arabic：270M 参数阿拉伯语 OCR 达 SOTA
原标题：Falcon OCR Arabic: 270M Parameters State-of-the-Art Arabic OCR
AI 摘要
Hugging Face 发布 Falcon-OCR-Arabic，将 270M 参数的 Falcon OCR 模型扩展到阿拉伯语文档，架构不变，通过真实与合成阿拉伯语文档的监督微调（SFT）加高质量样本强化学习（RL）两阶段适配。在自建的 11,974 个真实样本、15 类文档基准上，该模型以 81.9% 文本准确率在 17 个模型中排名第二，仅次于 Gemini 3.5 Flash（84.3%），并超过 Claude Opus 5.5、GPT Astra、Qwen 3.8 Max 等通用模型，领先最强专用 OCR 模型 20 个百分点以上；表格 TEDS 达 59.95%，为全部 17 个模型最高。
正文节选
Falcon-OCR-Arabic extends Falcon OCR to Arabic documents without changing its architecture. Falcon OCR is our 270M-parameter early-fusion OCR model, introduced in the Falcon Perception blog post. We adapt it in two stages: supervised finetuning (SFT) on real and synthetic Arabic documents, then reinforcement learning (RL) on a curated set of high-quality samples. On our Arabic document benchmark, Falcon-OCR-Arabic: - ranks #2 of 17 models with 81.9% text accuracy, behind only Gemini 3.5 Flash (8