브라질 포르투갈어 전용 OCR 모델 DharmaOCR이 이후 출시된 Mistral OCR4와 Unlimited-OCR보다 자국어 벤치마크에서 크게 앞선다는 결과를 Dharma-AI가 공개했다. 포르투갈어 전용 벤치마크에서 DharmaOCR은 0.925를 기록해 Mistral OCR4(0.798), Unlimited-OCR(0.7587)을 13~16점 차로 앞섰다. 비결은 포르투갈어에 모든 파라미터를 집중한 SFT와, 저품질 스캔에서 발생하는 텍스트 붕괴(degeneration)를 억제하는 DPO의 2단계 학습이다. 범용 모델은 'Chico Buarque' 같은 고유명사를 체계적으로 오독했지만 전용 모델은 정확히 처리했다. 아키텍처가 발전해도 유한한 자원을 한 도메인에 집중한 특화 모델의 구조적 우위는 유지된다는 것이 핵심 주장이다.

• •포르투갈어 전용 벤치마크에서 DharmaOCR 0.925 vs Mistral OCR4 0.798, Unlimited-OCR 0.7587 — 더 새로운 모델들을 13~16점 차로 능가
• •SFT로 브라질 포르투갈어에 파라미터를 집중하고 DPO로 출력 전체의 일관성을 학습시키는 2단계 파이프라인
• •범용 모델은 ENEM 에세이의 고유명사·문화 어휘를 체계적으로 오독(예: Chico Buarque → 'chico bique')
• •작은 글씨·저화질 문서에서 원문과 무관한 텍스트를 생성하는 degeneration은 복구 불가능한 실패 유형으로, DPO가 이를 억제
• •자원이 유한한 이상 단일 도메인 집중 모델이 범용 모델보다 해당 도메인에서 유리하다는 구조적 논거 제시