模型LayoutLMv3
LayoutLMv3
微软推出的文档理解预训练模型，结合文本、布局和图像信息，适用于票据、表单等结构化信息抽取
时间轴 (近 90 天)
10月13日
目前主流的开放权重视觉/文本模型包括Meta的Llama系列、Mistral、Qwen-VL、LLaVA以及专攻文档理解的Donut、LayoutLMv3；其权重可通过llama.cpp、Ollama、Transformers等运行时加载，断网即可工作。
待验证50%
9月7日
基于Transformer的版面分析模型如LayoutLMv3和DiT（Document Image Transformer）已达到商业系统的精度水平
待验证50%
8月29日
现代版面分析主要依赖目标检测模型，代表性工具包括LayoutParser（基于Detectron2）、PaddleStructure、微软的DiT和LayoutLMv3
待验证50%
全部知识事实 (3)
待验证
目前主流的开放权重视觉/文本模型包括Meta的Llama系列、Mistral、Qwen-VL、LLaVA以及专攻文档理解的Donut、LayoutLMv3；其权重可通过llama.cpp、Ollama、Transformers等运行时加载，断网即可工作。
50%待验证基于Transformer的版面分析模型如LayoutLMv3和DiT（Document Image Transformer）已达到商业系统的精度水平
50%待验证现代版面分析主要依赖目标检测模型，代表性工具包括LayoutParser（基于Detectron2）、PaddleStructure、微软的DiT和LayoutLMv3
50%