Un experimento reciente con DharmaOCR mostró que Direct Preference Optimization (DPO), usado tradicionalmente para alinear chatbots, también mitiga loops de repetición en tareas objetivas como OCR. Aplicado tras el fine-tuning supervisado, DPO redujo consistentemente la degeneración de texto en varios modelos.
Un experimento reciente de Dharma mostró que un modelo especializado de 3.000 millones de parámetros superó a varias APIs comerciales líderes en OCR para portugués brasileño, además de operar a una fracción del costo. Esto obliga a replantear la regla práctica de 'el más grande es el mejor' en decisiones de adquisición de IA.
Crear un OCR de calidad exige enormes volúmenes de datos anotados; la generación sintética ofrece escala y etiquetas perfectas. Nemotron OCR v2 demuestra que, con buena renderización y diversidad, los modelos entrenados en datos sintéticos pueden ser precisos y muy rápidos.
Falcon Perception presenta un enfoque early-fusion que procesa parches de imagen y texto en una sola secuencia usando una máscara de atención híbrida y una interfaz de salida compacta. El diseño logra mejores métricas en tareas abiertas y simplifica arquitecturas modulares tradicionales.
Las empresas enfrentan grandes volúmenes de documentos que frenan procesos clave. Mistral Document AI, disponible en Microsoft Foundry, combina OCR avanzado y comprensión de layout para extraer datos estructurados a escala.