返回全部动态
NVIDIA 发布 Nemotron 3.5 Parse 文档解析模型
原标题：nvidia/Nemotron-3.5-Parse
AI 摘要
NVIDIA 在 Hugging Face 发布 Nemotron 3.5 Parse 文档图像解析模型，采用 C-RADIOv4-SO400M 视觉编码器与 10 层 mBART 解码器，输出带语义版面类别、边界框和阅读顺序的结构化文本。模型约 0.631B 参数，支持 72,505 词表的多语言 tokenizer 与图表识别，面向文档理解、RAG、数据抽取和多模态数据整理等场景，并以 OpenMDW 1.1 许可开放商用。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
--- license: openmdw-1.1 pipeline_tag: image-text-to-text tags: - VLM - OCR - Parse library_name: transformers --- # Nemotron 3.5 Parse ### Description: Nemotron 3.5 Parse is a document image parser that produces structured, machine-readable text with semantic layout classes, bounding boxes, and reading order. It combines a C-RADIOv4-SO400M vision encoder with a 10-layer mBART decoder that consumes the visual sequence as a causal prefix. The release uses dynamic rectangular NaViT preprocessing,
发布时间：2026-10-28 12:31
抓取时间：2026-10-28 12:33
来源机构：Hugging Face