Allen Institute for AI 发布 olmOCR-mix-0225 数据集, 应用在 光学字符识别、自然语言处理 领域

Allen Institute for AI 本次发布的数据集 olmOCR-mix-0225, olmOCR-mix-0225是一个包含约25万页PDF文档的数据集，这些文档已经使用gpt-4o-2024-08-06和一种特殊的提示策略转换为自然阅读顺序的纯文本，保留了每页的原生数字内容。该数据集可用于训练、微调或评估您自己的OCR文档管道。

查看olmOCR-mix-0225

Dataset card 内容： 

Files and versions 内容： 

关于 Allen Institute for AI , 艾伦人工智能研究所是一家专注于AI研究和应用的高级研究机构。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。