深度分析
PaddleOCR 3.5 整合 Transformers 後端，提升文件 AI 工作流彈性
PaddleOCR3.5讓OCR與文件解析可直接使用HuggingFaceTransformers後端。只要把engine設為transformers，即可在PyTorch生態中呼叫PP‑OCRv5、PaddleOCR‑VL1.5等模型。此舉降低文件到LLM流程的整合摩擦，提升開發效率。
OCR
深度分析
0.6B Falcon Perception 以早期融合 Transformer 提升開放詞彙分割與 OCR 效能
Falcon Perception 針對開放詞彙分割提出早期融合 Transformer，將影像貼片與文字同序列處理並使用混合注意力遮罩，實現可變長實例輸出。於 SA‑Co 基準取得 68.0 Macro‑F1，顯示在屬性與密集場景上優於傳統管線，並提升效能。
速報
視覺語言模型(VLM)在古希臘史料OCR上出現流暢性誤讀
研究以視覺語言模型(VLM)檢視史料OCR表現。採用受控影像擾動與逐詞分級判定，發現多數VLM即使文字流暢也可能不以視覺為依據，錯誤具語言先驗傾向；專用OCR與通用VLM在視覺依賴上差異明顯，解碼時修正效果有限，後處理語言模型能部分補救。具有實務意涵
深度分析
端到端評估 FATHOMS-RAG：跨文檔與多模態 RAG 的幻覺偵測與 OCR 整合
研究指出，檢索增強生成（RAG）可減少大型語言模型的幻覺，針對多模態科學文件的端到端評估仍短缺。本文提出FATHOMS-RAG，結合短語召回與最近鄰嵌入分類器以區分放棄與幻覺，並發現封閉源系統在正確性與幻覺避免上顯著領先。該基準含93題、涵蓋表格、圖像與跨文檔問題，並由人類評估驗證指標效度。
深度分析
PaddleOCR 3.5 支援 Transformers 後端：在 PyTorch 生態系中部署 OCR 與文件解析
PaddleOCR推出3.5版本,把OCR與文件解析模型帶入Transformers後端。開放開發者以engine參數切換並透過engine_config配置dtype、裝置與注意力實作。此舉降低整合摩擦,讓RAG與文件AI流程更容易接入Transformers生態。
深度分析
從分詞器到字元層：解析詞界碎片化引發的「文字不自然谷」與緩解策略
研究指出，當文字在詞彙間插入空格造成碎片化時，大型語言模型的資訊檢索表現呈現U形曲線，稱為文字不自然谷；中度碎片化最為致命，極端碎片化則因字元層處理而部分恢復。此現象與傳統噪聲容忍測試不同，顯示模型在詞層與字元層切換時會出現不穩定區；未來需設計新基準及前處理策略，以免OCR等應用受此影響。
深度分析
Falcon Perception 0.6B 早期融合模型：單一 Transformer 同時支援視覺編碼與文字生成
FalconPerception以0.6B參數的早期融合Transformer，將影像切片與文字提示同序列處理，突破傳統視覺編碼器加文字解碼器的管線架構，在SA‑Co基準取得68.0Macro‑F1，顯示在屬性、OCR、空間與關係等複雜任務上優於SAM3。