Hugging Face 展示 DPO 在 OCR 任务中降低文本退化率的效果

Hugging Face 发布研究，显示在 DharmaOCR 模型上应用直接偏好优化（DPO）后，平均文本退化率降低 59.4%，最高达 87.6%。该方案利用模型自身失败输出构建训练信号，有效解决了监督微调（SFT）难以消除重复循环的局限。