English(EN) Jina-OCR-v1: Efficient Document Parsing with Speculative Decoding and Dense Verifiable Rewards

Jina-OCR-v1 模型可在低预算 GPU 上实现高效文档解析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

研究人员推出 Jina-OCR-v1，这是一款专为在低预算 GPU 上高效运行而设计的新型文档解析模型。该模型集成了 DeepSeek-OCR 架构和 FastMTP 推测解码头，该解码头递归共享草稿块以加速预测。Jina-OCR-v1 在 OmniDocBench v1.6 和 olmOCR-Bench 等基准测试中取得了高分，并在 NVIDIA L4 等硬件上展示了比传统解码方法显著的速度提升。该模型的训练涉及指令对齐、鲁棒性微调以及一种使用密集可验证奖励进行确定性检查的新型 GRPO 方法。 AI

影响该模型在低预算 GPU 上的效率可以普及先进的文档解析能力。

排序理由该集群描述了在 arXiv 上发布的新模型发布和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

本文如何被排名

Signal score: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了在 arXiv 上发布的新模型发布和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: model release, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Alejandro Bar\'on Garc\'ia, Feng Wang, Emilia Garcia Casademont, Han Xiao · 2026-09-04 04:00

Jina-OCR-v1：通过推测性解码和密集可验证奖励实现高效文档解析

arXiv:2609.03181v1 Announce Type: new Abstract: We present Jina-OCR-v1, an end-to-end document parsing model built to serve on low-budget GPUs. It combines the compressed-vision encoder and the 3B mixture-of-experts decoder of DeepSeek-OCR, which activates about 570M parameters p…

本文如何被排名

报道来源 [1]

Jina-OCR-v1：通过推测性解码和密集可验证奖励实现高效文档解析

相关实体

相关话题