「GPT-4」を上回る性能で、グラフィカルな文書を読解するLLM技術：NTTの「tsuzumi」にも採用

テキストベース読解と視覚読解の比較［クリックで拡大］ 出所：NTT. そこでNTTは、「文書画像を画像情報に変換する画像関連キーワードはありません