視覚的文書理解のための効率的なエンド・ツー・エンドのラショナル・ディスティレーション

小規模な事前学習済みの画像-テキストモデルを使って、OCRツールやLLMなどの外部ツールの出力を中間的な「ラショナル」として活用することで、視覚的文書理解タスクを効率的に実行できる。