← Ana Sayfa

allenai/olmocr

Python ⭐ 19.0k 🍴 1.6k 🔥 +1.1k this week

Orijinal Aciklama

Toolkit for linearizing PDFs for LLM datasets/training

📄 Apache-2.0
Lisans
83
Açık Issue
7 ay önce
Son Commit
100
İzleyici

🤖 AI Analizi (Turkce)

Bu GitHub reposu, PDF ve diğer görüntü tabanlı belge formatlarını temiz, okunabilir, düz metin formatına dönüştürmek için kullanılan bir araçtır. OLMoCR (Optical Layout and Mark-up Conversion for Reading), özellikle büyük dil modelleri (LLM) için veri setleri oluşturmak üzere tasarlanmıştır. Araç, PDF, PNG ve JPEG tabanlı belgeleri temiz Markdown formatına dönüştürür ve denklemler, tablolar, el yazısı ve karmaşık formatları destekler.

🎯 Hedef Kitle: Doğal dil işleme (NLP) ve yapay zeka (AI) geliştiricileri, özellikle büyük dil modelleri (LLM) için veri setleri oluşturmak isteyenler

TEMEL OZELLIKLER

  • PDF ve görüntü tabanlı belgeleri temiz Markdown formatına dönüştürme
  • Denklemler, tablolar, el yazısı ve karmaşık formatları destekleme
  • Başlık ve altlıkları otomatik olarak kaldırma
  • Doğal okuma sırası ile metin çıkarma
  • Etkili ve uygun maliyetli (7B parametreli bir VLM tabanlı, GPU gerektirir)

💡 Kullanım Örneği

Bir NLP mühendisi, büyük dil modelleri için bir veri seti oluşturmak üzere OLMoCR aracını kullanabilir. Örneğin, bir PDF belgesini temiz Markdown formatına dönüştürerek, modelin eğitimi için gerekli olan temiz ve okunabilir metni elde edebilir. Bu, modelin performansını artırır ve veri seti oluşturma sürecini hızlandırır.

📊 Trend Gecmisi

2026-07-08 Haftalik #6 ⭐ 19.0k
2026-07-07 Haftalik #7 ⭐ 18.9k
2026-07-06 Haftalik #9 ⭐ 18.8k
2026-07-05 Haftalik #11 ⭐ 18.7k
2026-07-02 Gunluk #4 ⭐ 18.3k

🔗 Benzer Projeler

anthropics/skills

Public repository for Agent Skills

Python197.3k
sherlock-project/sherlock

Hunt down social media accounts by username across social networks

Python114.2k
ZhuLinsen/daily_stock_analysis

LLM 驱动的多市场股票智能分析系统:多源行情、实时新闻、决策看板与自动推送,支持零成本定时运行。 LLM-powered multi-market stock…

Python73.4k
mvanhorn/last30days-skill

AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymark…

Python70.2k
HKUDS/DeepTutor

DeepTutor: Lifelong Personalized Tutoring. https://deeptutor.info/.

Python60.6k
GitHub'da Gor →

💬 Yorumlar