深度分析
「DharmaOCR」利用直接偏好最佳化降低 OCR 文字退化率
研究針對 OCR 任務的文字退化問題，採用直接偏好最佳化（DPO）將模型自我產生的重複循環視為拒絕樣本，結合自動評分器形成偏好對。實驗在五大模型族群上皆降低退化率，平均減少 59.4%，最高達 87.6%。此方法顯示結構化生成任務可透過失敗輸出作為訓練訊號，提升可靠性。
深度分析
研究針對 OCR 任務的文字退化問題，採用直接偏好最佳化（DPO）將模型自我產生的重複循環視為拒絕樣本，結合自動評分器形成偏好對。實驗在五大模型族群上皆降低退化率，平均減少 59.4%，最高達 87.6%。此方法顯示結構化生成任務可透過失敗輸出作為訓練訊號，提升可靠性。
深度分析
一項由Dharma發表的實驗針對企業OCR任務比較了專門化小模型與大型通用API。研究透過分階段微調與對齊，將模型訓練歷史移向目標任務，並評估品質、成本與生產穩定性。結果顯示在該領域內，經過專門化的小模型在準確度、推理成本與文本退化率等面向均勝過多數商業前沿API，改變了採購與模型選擇的策略考量。