演讲主题

办公领域多模态的探索与实践

分享金山办公在办公场景下多模态技术的探索与实践经验。以Monkey系列模型为核心，结合大语言模型（LLM）与多模态技术，构建了一套面向文档理解与图片翻译的智能办公体系。在文档解析场景中，通过多模态技术实现对复杂版式文档的精准解析和信息抽取。在图片翻译场景中，从0到1打造端到端的版式理解与多语种翻译链路，实现文字识别、语义理解与翻译输出的无缝衔接。将围绕技术路线、模型优化、实际落地效果以及办公场景中的创新应用进行详细介绍，分享在多模态大模型上的实践经验和挑战，展示如何将前沿AI技术深度融合到真实办公产品中，提升用户体验与办公效率。