AIbase
ZH
模型选型
标签
文档问答

# 文档问答

Qwenlong L1 32B GGUF
Apache-2.0
QwenLong-L1-32B 是专为长上下文推理设计的大语言模型，通过强化学习训练，在多个长上下文问答基准测试中表现出色，能有效处理复杂的推理任务。
大型语言模型 Transformers
Q
Mungert
927
7
Donut Sroie Company Sample Demo
MIT
Donut 是一个基于 Transformer 的文档理解模型，专门用于文档问答任务。
问答系统 PyTorch 英语
D
Chan-yeong
22
0
Cogvlm2 Llama3 Chat 19B Int4
其他
CogVLM2是基于Meta-Llama-3-8B-Instruct构建的多模态对话模型，支持中英文，具备8K上下文长度和1344*1344分辨率图像处理能力。
文本生成图像 Transformers 英语
C
THUDM
467
28
Layoutlmv2 Base Uncased Finetuned Docvqa
该模型是基于Microsoft LayoutLMv2架构的文档视觉问答(VQA)专用模型，通过微调适应文档理解任务
文本生成图像 Transformers
L
rogdevil
16
0
Sampel2 Docqa Layoutlmv3 Base
基于microsoft/layoutlmv2-base-uncased微调的文档问答模型，具体训练数据集未知
问答系统 Transformers
S
Tejagoud
10
0
Layout Qa Hparam Tuning
基于microsoft/layoutlmv2-base-uncased微调的文档问答模型，适用于文档布局理解和问答任务
问答系统 Transformers
L
PrimWong
14
0
Lilt Document QA
MIT
LiLT是一个基于文档视觉问答（DocVQA）任务的预训练模型，专门用于处理英文文档中的问答任务。
图像生成文本 Transformers 英语
L
TusharGoel
80
3
Layoutlm Document Qa
MIT
这是一个针对文档问答任务微调的多模态LayoutLM模型，能够理解文档中的文本和布局信息来回答问题。
文本生成图像 Transformers 英语
L
impira
26.10k
1,102
Layoutlmv2 Base Uncased Finetuned Docvqa
基于LayoutLMv2架构的文档视觉问答模型，针对文档理解任务进行了微调
文本生成图像 Transformers
L
tiennvcs
983
14
Bert Base Uncased Finetuned Docvqa
Apache-2.0
基于BERT基础模型在文档视觉问答(DocVQA)任务上微调的模型
问答系统 Transformers
B
tiennvcs
60
1
AIbase
智启未来，您的人工智能解决方案智库
English简体中文繁體中文にほんご
© 2025AIbase