超越聊天机器人：用模型自身失败样本做 DPO，降低 OCR 文本退化

DharmaOCR 团队将 DPO 用于结构化 OCR 任务，用模型自身产生的重复循环失败样本构建偏好对，在全部测试的视觉语言模型家族中均降低文本退化，平均降幅 59.4%，最高 87.6%（Nanonets-OCR2-3B 从 1.61% 降至 0.20%）。