Dolphin多模态文档图像解析模型，遵循“先分析后解析”的范式。该模型通过两阶段方法应对复杂文档理解的挑战，旨在处理文本段落、图表、公式和表格等相互交织的元素。 
模型通过以下两阶段方法解决这些挑战： 
🔍 第一阶段：通过按自然阅读顺序生成元素序列，进行全面的页面级布局分析 
🧩 第二阶段：使用异构锚点和任务特定提示，对文档元素进行高效并行解析 
 [image] 
地址：ByteDance/Dolphin · Hugging Face