Infinity-Parser2 模型通过合成数据和多任务强化学习推进文档解析

研究人员推出了 Infinity-Parser2，这是一个用于端到端文档解析的大型多模态模型。该模型利用可控数据合成管道和多任务强化学习来克服标注解析数据的稀缺性。主要贡献包括创建了 500 万样本的双语语料库 Infinity-Doc2-5M，以及一个用于跨八个联合训练目标的联合强化学习的新颖奖励系统。Infinity-Parser2-Flash 和 Infinity-Parser2-Pro 两个变体已发布，其中后者在 olmOCR-Bench 和 ParseBench 等基准测试中取得了最先进的成果。 AI

影响 推进文档解析能力，可能提高处理各种文档类型的效率和准确性。

排序理由 该集群描述了一份技术报告，详细介绍了在 arXiv 上发布的新多模态模型和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• DeepSeek-OCR-2
• Hugging Face
• Infinity-Doc2-5M
• Infinity-Parser2
• Infinity-Parser2-Flash
• Infinity-Parser2-Pro
• Infinity-Parser-7B
• MinerU2.5
• olmOCR-Bench
• PaddleOCR-VL-1.5
• ParseBench

• 论文
• 模型发布
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →