多模态文档解析模型HunyuanOCR-1B效果测试及翻车问题总结
本文对HunyuanOCR-1B的文档解析能力的简单测试，其方案可见《多模态文档解析模型新进展：腾讯开源HunyuanOCR-1B模型架构、训练配方》，关于文档智能解析的详细相关技术路线可见《文档智能专栏》。
先说结论，个人感觉文档解析能力一般，问题还蛮多的，主要体现在：
-
表格能力比较差（尤其是结构识别能力） -
版式能力不是特别理想 -
阅读顺序能力不是特别理想 -
幻觉问题（重复输出）
注：测试代码完全参照官方：https://github.com/Tencent-Hunyuan/HunyuanOCR
下面直接上测试case，所用测试case均没有那么复杂。（以上内容均为个人实际测试，仅供参考）
测试case
关注我们!与InfraLink共赴智能未来
🔗 聚焦数据科学 | 深耕算法创新 | 赋能AI工程化
📌 技术干货持续更新，全球生态合作共建
✨ 点击关注@InfraLink，解锁更多前沿技术资讯与实践洞察
