超越聊天机器人：用模型自身失败样本做 DPO，文本退化率平均降低 59.4%

DharmaOCR 团队把 Direct Preference Optimization（DPO）用于结构化 OCR 而非聊天对齐，用模型自身失败输出构建偏好对，在全部测试的模型家族中都将文本退化率降低，平均降幅 59.4%，最高 87.6%（Nanonets-OCR2–3B 从 1.61% 降至 0.20%）。