EP97 对话常扬：LLM盛行时代，专门的OCR模型还有意义吗？

今天特邀文字识别领域专家常扬老师做客，他将分享自己多年来在OCR技术领域的经验和心得。常扬老师将比较大型语言模型与专用模型，分析Mistral OCR模型的优缺点，对比CNN和Transformer在OCR任务中的表现。还将分享其团队在信息抽取和RAG技术应用方面的实践经验，以及如何根据不同场景选择合适的OCR模型和技术路线。如果你对人工智能、文字识别或信息抽取技术感兴趣，欢迎收听本期节目。

更多内容信息和时间线参考下文的硬地笔记，欢迎收听本期节目。

嘉宾介绍

常扬：专注分享AI人工智能领域技术与洞见。Techlead，复旦AI博士，拥有10+年AI研究经验、国家级大学生赛事评审专家，发表多篇SCI核心期刊学术论文，上亿营收AI产品研发负责人。

公众号：Techlead

本期赞助

Podwise.ai - Podcast knowledge at 10x speed 🚀

Apple Store 下载👉🏻 apps.apple.com

硬地笔记

00:00:48 LLM时代，OCR小模型还有用吗？

00:03:20 大模型与专有模型的区分及Mistral OCR的SOTA争议

00:06:12 大模型和小模型的合作模式：能力而非算力的协同

00:08:10 CNN与Transformer，谁在OCR中更胜一筹？

00:12:20 Transformer在OCR中的“幻觉”究竟是什么？

00:14:23 CNN-based OCR模型处理复杂排版的策略

00:17:41 如何通过场景专训提升OCR模型的识别率？

00:21:18 OCR模型的构建策略：单模型 vs. 多模型

00:27:14 在2C与2B中，OCR技术的应用有哪些不同？

00:30:26 为什么OCR是信息处理的关键第一步？

00:33:38 OCR与语音识别，这两个技术的根本差异是什么？

00:38:10 RAG技术在OCR和代码检索中的应用及成本控制

欢迎关注我们

知识星球: t.zsxq.com

官网: hardhacker.com

小手册: book.hardhacker.com

用爱发电不容易，请我们喝咖啡☕️: afdian.net

公众号/小红书: 硬地骇客

商务合作: hardhackerlabs@gmail.com

另外，现在加入「硬地骇客」会员服务，即可在会员专属的微信群与其他朋友一起畅所欲言，成为会员也是对我们持续更新最大的鼓励！