Falcon OCR Arabic发布：2.7亿参数阿拉伯语OCR模型大幅领先同类竞品

OmniTools 10月6日消息，阿联酋技术与创新研究院（TII）在 Hugging Face 博客正式发布 Falcon OCR Arabic 模型。该模型参数量为2.7亿，专为阿拉伯语文档识别优化。在包含11,974份真实样本的基准测试中，其文本准确率达81.9%，位列全部17个参评模型第二，仅次于 Gemini 3.5 Flash（84.3%），但大幅领先所有专用OCR模型（最强竞品 Chandra OCR 2 准确率为61.7%）。

该模型采用早期融合（early-fusion）架构，通过监督微调与强化学习两阶段适配，在官方文件、行政表格、收据和发票四类高频场景中均排名第一。其表格结构识别得分（Table TEDS）达59.95%，位居全部模型首位，较次优者高出8.65个百分点。

研究指出，阿拉伯语OCR面临连写变体、点符辨义、可选变音符号及复杂排版等挑战。Falcon OCR Arabic 未改动原始架构，仅通过数据与训练策略适配即实现显著提升：相较基线英文模型（55.39%），文本准确率提升26.48个百分点，表格质量得分翻倍以上。