MinerU2.5-Pro：数据驱动文档解析的极限突破
深度2026年4月6日61 分钟阅读
研究发现不同架构的SOTA模型在相同困难样本上表现出一致的失败模式，揭示训练数据缺陷是性能瓶颈的核心。本文通过系统性数据工程，在固定架构下实现性能突破，为数据为中心的研究范式提供了有力实证。推荐给关注文档理解、数据工程和模型训练策略的研究者与实践者。
觉得有用？分享给更多人
相关文章
Greg Brockman 公开表示模型本身不再是产品，这是从“大模型团队”立场的重大反转。AI21 关闭模型团队、DeepSeek 首次组建 Harness 团队，行业正在从纯模型竞争转向模型+框架+工作流+UI+记忆+经济的全栈竞争。但这也可能意味着，通过联合训练模型与闭源框架来进一步收紧模型访问权限。
深度Latent Space·5月23日·8 分钟
本文提出Mega-ASR框架，通过构建包含54种复合声学场景的Voices-in-the-Wild-2M数据集，结合渐进式声学到语义优化和双粒度WER门控策略，在复杂噪声环境下相对词错误率降低超30%。该方法突破了现有模型在真实世界中的声学鲁棒性瓶颈。
深度·5月23日·26 分钟