CATI-VLM - mô hình nhận dạng văn bản bằng AI của CMC lọt top 12 thế giới

<p style="text-align: justify;">Viện Ứng dụng Công nghệ CMC (CMC ATI) đã công bố mô hình hiểu tài liệu thị giác CATI-VLM, được phát triển từ kho dữ liệu lớn 5TB. Mô hình này đã xuất sắc lọt Top 12 thế giới.</p>

Trong bối cảnh chuyển đổi số, chuyển đổi AI tại Việt Nam đang diễn ra mạnh mẽ, công nghệ OCR (Nhận dạng ký tự quang học) ngày càng giữ vai trò quan trọng trong việc số hóa tài liệu, tự động hóa quy trình nghiệp vụ, tiết kiệm chi phí và nâng cao hiệu quả quản trị. Tuy nhiên, với đặc thù tiếng Việt có dấu và chữ viết tay, bài toán nhận dạng không chỉ dừng lại ở việc 'đọc chữ', mà đòi hỏi mô hình phải có khả năng hiểu ngữ cảnh toàn diện.

Mới đây, Viện Ứng dụng Công nghệ CMC (CMC ATI) đã công bố mô hình CATI-VLM (Visual Document Understanding) do đội ngũ nghiên cứu phát triển từ kho dữ liệu lớn 5TB, đạt Top 12 thế giới và Top1 Việt Nam trong bảng xếp hạng vừa được Robust Reading Competition (RRC) công bố tháng 6/2025 tại hạng mục Document Visual Question Answering (DocVQA).

Robust Reading Competition (RRC) là một sân chơi khoa học uy tín được tổ chức bởi Trung tâm Thị giác Máy tính (CVC) thuộc Đại học Autònoma de Barcelona (UAB) Tây Ban Nha, một cơ sở nghiên cứu có uy tín của thế giới trong lĩnh vực thị giác máy tính. Khởi xướng từ 2011, luôn đồng hành cùng Hội nghị Quốc tế về Phân tích và nhận dạng văn bản ICDAR - một trong những diễn đàn lớn nhất thế giới về phân tích tài liệu và thị giác máy tính, cuộc thi đã trở thành một sự kiện quan trọng, thu hút các nhà nghiên cứu, kỹ sư từ các trường đại học, viện nghiên cứu và công ty công nghệ uy tín như Đại học Tsinghua, Hyundai Motor Group, và Tencent… Các nhiệm vụ của RRC được thiết kế để thúc đẩy tiến bộ công nghệ, gắn chặt với bài toán thực tiễn từ dịch thuật, quản trị dữ liệu doanh nghiệp đến phân tích đô thị và xử lý tài liệu lịch sử.

TS. Đặng Minh Tuấn, Viện trưởng CMC ATI chia sẻ: "Chúng tôi rất vui khi năng lực nghiên cứu của đội ngũ CMC được khẳng định thông qua một sân chơi uy tín toàn cầu như RRC. Chỉ trong thời gian ngắn, nhóm đã vươn lên đạt thứ hạng cao, sánh vai cùng những tên tuổi lớn đến từ các quốc gia phát triển. Quan trọng hơn, kết quả này là minh chứng rõ ràng cho năng lực làm chủ công nghệ, đặc biệt trong việc giải quyết các bài toán đặc thù liên quan đến tiếng Việt và các lĩnh vực chuyên ngành tại Việt Nam."

CATI-VLM khác biệt so với OCR truyền thống ở chỗ không chỉ trích xuất ký tự, mà còn hiểu nhiều lớp thông tin: nội dung văn bản, yếu tố phi văn bản, bố cục và phong cách. Mô hình có thể trả lời câu hỏi trực quan đặt ra trên hình ảnh tài liệu, tương tự ChatGPT mà không cần học trước từng mẫu cụ thể.

Đáng chú ý, trên bảng xếp hạng RRC, CATI-VLM chỉ với 3 tỷ tham số nhưng đạt độ chính xác cao nhất ở 4/7 bộ dữ liệu, vượt trội nhiều mô hình Big Tech như Deepseek (27 tỷ tham số), GPT-4 Vision Turbo + Amazon Textract OCR (Top34) hay Baidu (Top22). Thành tích này cho thấy năng lực tối ưu hoá mô hình, cân đối giữa hiệu suất tính toán và độ chính xác, minh chứng đội ngũ kỹ sư CMC trong việc tập trung làm chủ lõi công nghệ, vận hành hiệu quả trên hạ tầng phù hợp Việt Nam.

Ông Nguyễn Trung Chính, Chủ tịch HĐQT, Chủ tịch Điều hành Tập đoàn Công nghệ CMC, nhấn mạnh: "Thành tích này là quả ngọt từ hơn 10 năm kiên định đầu tư nghiên cứu và triển khai của Tập đoàn Công nghệ CMC, khẳng định chiến lược làm chủ Công nghệ Việt, gắn với định hướng Chuyển đổi AI, Go Global. Chúng tôi tin trí tuệ Việt Nam hoàn toàn đủ năng lực sánh vai Big Tech toàn cầu, tạo vị thế xứng đáng trên bản đồ công nghệ thế giới."

CATI-VLM sẽ được ứng dụng trong chuỗi sản phẩm thuộc hệ sinh thái C.OpenAI, gồm: Trợ lý ảo CLS rà soát văn bản pháp luật, CMC SmartDoc – nền tảng chuyển đổi số tài liệu, Hệ quản trị tri thức CMC KMS, hệ thống báo cáo tự động cho văn phòng thông minh và các ứng dụng Agentic Documents thế hệ mới.