研究人员推出 OvisOCR2，这是一款新的 0.8 亿参数文档解析模型，能够以自然阅读顺序生成文档的 Markdown 表示，包括文本、公式和表格。该模型结合了监督微调、强化学习、蒸馏和模型融合进行训练。OvisOCR2 在 OmniDocBench v1.6 和 PureDocBench 基准测试中取得了最先进的成果，优于之前的流水线方法，并在具有挑战性的场景中展现出强大的泛化能力。 AI
影响 在文档解析基准测试中设定了新的最先进水平 (SOTA)，可能加速端到端文档理解的研究和开发。
排序理由 该集群报告了一份技术报告，详细介绍了一个新的人工智能模型及其在基准测试中的表现。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
arXiv:2607.13639v1 Announce Type: cross Abstract: We introduce OvisOCR2, a 0.8B document parsing model. OvisOCR2 is designed as an end-to-end parser: given a document page image, it generates a Markdown representation in natural reading order, covering text, formulas, tables, and…
We introduce OvisOCR2, a 0.8B document parsing model. OvisOCR2 is designed as an end-to-end parser: given a document page image, it generates a Markdown representation in natural reading order, covering text, formulas, tables, and visual regions. We build a data engine that combi…
We introduce OvisOCR2, a 0.8B document parsing model. OvisOCR2 is designed as an end-to-end parser: given a document page image, it generates a Markdown representation in natural reading order, covering text, formulas, tables, and visual regions. We build a data engine that combi…