IBM發佈視覺語言模型Granite-Vision-3.1-2B，輕鬆解析複雜文檔

隨着人工智能技術的不斷髮展，視覺與文本數據的融合成爲了一項複雜的挑戰。傳統的模型往往難以準確解析表格、圖表、信息圖和圖示等結構化視覺文檔，這一限制影響了自動內容提取和理解能力，進而影響了數據分析、信息檢索和決策等應用。面對這一需求，IBM 近期發佈了 Granite-Vision-3.1-2B，一款專爲文檔理解設計的小型視覺語言模型。Granite-Vision-3.1-2B 能夠從各種視覺格式中提取內容，包括表格、圖表和圖示。該模型基於精心挑選的數據集進行訓練，數據來源包括公共和合成源，能夠