品玩8月24日讯，据 Arxiv 页面显示，中国科学技术大学近日联手字节跳动，推出一款通用多模态大模型UniDoc。

据悉，UniDoc可以同时进行文本检测、识别、定位和理解。研究团队表示，UniDoc 是一种新型的多模态模型，配备了文本检测和识别功能，此外，UniDoc 利用任务之间的有益互动来提高每个任务的性能。为了实现 UniDoc的功能，研究团队在大型指令跟随数据集上进行统一的多模态指令调整。

实验结果表示，UniDoc 在多个具有挑战性的基准测试中均取得了最先进的成绩。