特定領域への特化が最新AIを凌駕する――ポルトガル語専用OCR「DharmaOCR」が示すパラメータ集中の強み

要点

• Dharma-AIは、ブラジルポルトガル語に特化した光学文字認識（OCR）モデル「DharmaOCR」の優位性を示す詳細を公開した。

• 本モデルは3ヶ月前の論文公開後、新たに登場した「Mistral OCR4」や「Unlimited-OCR」といった最新の競合モデルを上回る性能を発揮している。

• 開発には「教師あり微調整（SFT）」と「直接嗜好最適化（DPO）」を組み合わせた2段階のトレーニング手法を採用した。

• すべてのパラメータを単一言語に集中させることで、高い文字抽出精度と実運用時の安定性を両立している。

• AI開発企業のDharma-AIは2026年7月16日、ブラジルポルトガル語に特化した光学文字認識（OCR）モデル「DharmaOCR」の優位性と、その性能を支える技術的メカニズムを解説するブログ記事を公開した。同社は3ヶ月前に論文の公開と一部モデル「Dharma-OCR-LITE」のオープンソース化を行っていたが、その後に登場した「Mistral OCR4」や「Unlimited-OCR」などの最新モデルと比較しても、特定領域への専門化というアプローチが依然として強力な優位性を維持していることが明らかになった。

2段階のトレーニングプロセスがもたらす精度と安定性

DharmaOCRの開発では、ブラジルポルトガル語への適応と実運用での使いやすさを目指し、2つの段階からなるトレーニングが実施された。

第1段階の「教師あり微調整（SFT：Supervised Fine-Tuning）」では、様々な形式や難易度のポルトガル語ファイル群を使用し、モデルのパラメータ（重み）をポルトガル語特有の語彙や構文、文書構造に適合させた。多言語モデルのようにリソースを分散させず、表現能力のすべてを対象言語だけに集中させた。

第2段階は、出力に対する人間の好みを学習させる「直接嗜好最適化（DPO：Direct Preference Optimization）」の適用だ。単に正しい書き起こしを学習させるだけでなく、複数の出力候補を比較したデータを用いて訓練し、生成AIベースのOCRで発生しがちなテキストの繰り返しや支離滅裂な出力といったエラー（退化）を抑制した。これにより、実際の運用環境における推論時間の短縮やコスト削減、信頼性の向上が実現したという。

このSFTによる専門性の獲得とDPOによる動作の安定化により、ポルトガル語特化のベンチマークにおいて、最も高い抽出品質と最も低い退化率を同時に達成した。

生成AIベースOCRの課題とパラメータの分配

近年、さまざまな情報を処理できるマルチモーダルな生成AIの普及により、言語モデルをベースにしたOCRの利用が急速に拡大している。しかし、これらのモデルは確率的に出力を決定するため、書き起こし時のエラーは本質的に避けられない。モデルごとの性能差を決定づけるのはエラーの発生頻度と内容であり、それはモデルの基本構造（アーキテクチャやパラメータ数）と、パラメータが特定のタスクに向けてどのように訓練されたかという2つの要素に左右される。

アーキテクチャやパラメータ数はモデルが学習できる能力の上限を決めるにすぎず、その能力をどの領域に割り当てるかを決めるのが実際のトレーニングプロセスである。

ここで、対象領域の専門化というアプローチが構造的な優位性を生む。特定の言語や限定されたタスクに絞って学習を行う場合、モデルが持つすべてのパラメータをそのタスクのためだけに割り当てることができるからだ。

一方、複数の言語を処理する多言語モデルなどでは、同じパラメータを複数の対象領域に分散して割り当てなければならない。パラメータが同時に複数の特徴を保持できる「ニューロン重ね合わせ原理（superposition principle）」があるため単純な割り算にはならないが、パラメータが分割され、個々の領域への関与が薄れていくのは避けられない現実である。

最新モデルの登場と特化型モデルの持続的な優位性

DharmaOCRは、このパラメータ分配の制約を逆手に取る形で開発された。他言語のOCR処理を考慮せず、全リソースをブラジルポルトガル語の語彙、形態論、綴りパターンだけに注ぎ込んでいる。

このパラメータの集中こそが、多言語モデルなどに対する構造的なアドバンテージの源泉だ。新しいアーキテクチャや学習手法の登場はすべてのモデルの性能を底上げするが、最終的な差はリソースを「どこに向けるか」という方向性で決まるためである。

論文発表から3ヶ月が経過し、「Mistral OCR4」や「Unlimited-OCR」といったより新しく強力なOCRモデルが登場した現在であっても、特定のドメインに特化するという選択がもたらす構造的な強みは揺らいでいないと同社は説明している。