テンセントWeChat、WeVisDocをオープンソース化:ページからMarkdownへのエンドツーエンドパーサー

テンセントWeChatのビジョンチームは、ページ画像をテキスト、LaTeX、表、読み取り順序を含む構造化Markdownに一度に変換するエンドツーエンドのドキュメントパーサー「WeVisDoc」を公開した。Qwen3-VLをベースに、まずカバレッジに重点を置き、その後残差分析によるターゲット能力配分を行う2段階のトレーニング戦略を採用している。

テンセントWeChatのビジョンチームは、ページ画像をテキスト、LaTeX、表、読み取り順序を含む構造化Markdownに一度に変換するエンドツーエンドのドキュメントパーサー「WeVisDoc」を公開した。Qwen3-VLをベースに、まずカバレッジに重点を置き、その後残差分析によるターゲット能力配分を行う2段階のトレーニング戦略を採用している。