多模态大语言模型

WildScore 的发布，标志着 AI 音乐理解评估进入“真实世界”阶段。它不再满足于“识别音符”，而是要求模型真正理解乐谱背后的音乐逻辑。测试结果也清晰揭示了当前 MLLM 的局限：视觉符号解析仍是瓶颈，模态对齐尚未成熟。

OCRFlux 是一个基于多模态大语言模型的工具包，可以将 PDF 和图像转换为干净、可读的纯 Markdown 文本，显著提升当前技术水平。