Нейросеть аккуратно извлекает текст, таблицы и формулы из PDF и сканов. Но главная фишка в том, что она не перечитывает весь документ заново, а обращается только к нужным фрагментам. Из-за этого расход памяти на каждом шаге не растет.
В тестах модель смогла за один проход обработать все семь книг о Гарри Поттере — больше 3600 страниц! А отдельные этапы обработки ускорились до 7 раз. Всё бесплатно и с открытым кодом.
Распознаем доки с суперскоростью
@xor_journal