How Far Can Synthetic Data Take Thai OCR?

• 类型：arxiv
• 标识：2609.03595
• 链接：https://arxiv.org/abs/2609.03595
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：It is found that synthetic-only training can be competitive, and the 0.9B-parameter PaddleOCR-VL-1.6 is adapted into Wayu-Paxa-OCR-Zero, a Thai OCR model adapted without OCR labels from real Thai document pages, showing that synthetic-only training can be competitive.
• OpenAlex ID：W7208710986
• OpenAlex DOI：10.48550/arxiv.2609.03595
• DOI：10.48550/arxiv.2609.03595
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.03595
• OpenAlex更新：2026-09-15
• 待LLM分类：否
• 标题中文：合成数据能将泰语 OCR 带到多远？
• TLDR中文：研究发现，仅使用合成数据的训练即可具备竞争力；将 0.9B 参数的 PaddleOCR-VL-1.6 适配为 Wayu-Paxa-OCR-Zero，一个无需真实泰语文档页 OCR 标签即可适配的泰语 OCR 模型，表明仅合成数据训练即可具备竞争力。
• 来源文件：
• /inbox/tom/_candidates/2026-09-14-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]