越通社河内——在越南数字化转型与人工智能转型持续推进的背景下，光学字符识别（OCR）技术在文件数字化、业务流程自动化、成本节约以及管理效率提升方面正日益发挥关键作用。
然而，由于越南语具有声调符号和手写文字的特殊性，识别问题并不仅仅停留在“识字”层面，而是需要具备对语言语境和文档版式的深度理解能力。
近日，CMC技术应用研究院（CMC ATI）正式发布其视觉文档理解模型CATI-VLM，该模型基于5TB大数据库开发而成。在2025年6月由“强健阅读竞赛”（Robust Reading Competition, RRC）公布的文档视觉问答（Document Visual Question Answering, DocVQA）排行榜中，成功跻身全球前12名，并位居越南第一。
RRC是全球计算机视觉与文本识别领域最具声望的科学竞赛之一，由西班牙巴塞罗那自治大学（UAB）计算机视觉中心（CVC）于2011年创办，吸引来自清华大学、现代汽车集团、腾讯等诸多知名研究机构、大学和科技企业的积极参与。
尽管仅使用了30亿参数，CATI-VLM在RRC排行榜中的7个数据集里有4个取得了最高准确率，超越了来自大型科技公司的许多模型，如Deepseek（参数量达270亿）、GPT-4 Vision Turbo结合Amazon Textract OCR（排名第34）、以及百度模型（排名第22）。这一成绩充分展现了CATI-VLM在模型优化方面的卓越能力，成功实现了计算效率与准确率之间的平衡，符合越南当前的技术基础设施条件。
CMC科技集团董事长兼执行主席阮忠正表示，这一成就是该集团十余年来坚持不懈投入研究与开发的成果，充分体现了掌握越南自主科技的战略方向，并紧密结合人工智能转型与迈向全球的发展目标。阮忠正强调：“我们相信，越南的智慧完全有能力与全球科技巨头比肩，在世界科技版图上占据应有的地位。”（完）
越通社
