NuMind 开源4B OCR小模型 NuExtract3
NuMind 开源了个专门啃复杂文档和 OCR 的 4B 多模态小模型 NuExtract3
算不上多颠覆, 但把结构化提取, 大白话生成 JSON 模板以及图文直转 Markdown 这些 RAG 预处理的脏活做了个 整合

▪️ 抠数据: 丢个 JSON 模板就能从扫描件和票据里抽字段, 表格和公式自动转 HTML 和 LaTeX.
▪️ 双档位: 给了思考和非思考两个模式. 日常清洗直接跑普通档, 遇到奇葩排版再切 thinking 模式硬解.
▪️ 容错率: 跑分强压了几个 9B 的竞品, 比较稳的是死循环崩溃率极低, 不怎么乱耗 token.

拿来当个 RAG 流程里的数据清洗组件用用还行

🔗 Blog: http://t.cn/AX6SyG3a

#NuExtract##NuMind##OCR##VLM##RAG#