アリババ達摩院と中国人民大学は最近、mPLUG-DocOwl1.5というドキュメント処理モデルを共同でオープンソース化しました。このモデルはOCR認識なしでドキュメントの内容を理解できることを特徴とし、複数の視覚ドキュメント理解ベンチマークテストで優れた性能を達成しました。構造情報は、リッチテキスト画像（ドキュメント、表、図表など）のセマンティクスを理解する上で非常に重要です。既存のマルチモーダル大規模言語モデル（MLLM）はテキスト認識能力を備えているものの、リッチテキストドキュメント画像に対する一般的な構造理解能力が不足しています。

合同研究室の設立は、両者が大規模言語モデルの事前学習、アライメント、検索強化、知能体、マルチモーダルなどの最先端技術分野で深く協力することを意味します。中国人民大学は、大規模言語モデル研究における人材と技術の優位性を活かし、百川智能のエンジニアリングと製品開発における強みと連携することで、関連技術の研究と応用を共同で推進します。