返回资讯中心
外部精选
ai-models
#大模型#国内动态#资讯#SoMark团队

OXR强势开源!1.3B横扫全球三榜第一,速度快过Paddle、MinerU,RSI让它卷出新高度

开源一周,Github 拿下超 1000 star,X上关注度破百万,并登上 Today‘s news 推荐

量子位量子位的朋友们2026/10/27 · 22 天前2 分钟阅读中文

以下正文同步自 量子位,版权归原站所有,已转换为易读排版。

一张跨行跨列的表格,文字识别正确只是第一步。行列关系或合并单元格一旦错位,数字就可能对应到错误的项目。OXR 可以保留这些结构,并将表格输出为 HTML,供后续展示和处理。

科研文档里的难点则更密集:数学公式有上下标和嵌套结构,化学内容还有反应式与分子结构图。OXR 将公式输出为 LaTeX,化学方程式用 mhchem 表示,化学结构式用 SMILES 表示,让这些内容从页面上的图形变成可继续处理的表达。

多栏论文、报纸和试卷还考验阅读顺序。即便每个区域都识别正确,左右栏串读、正文与旁注混杂,仍会破坏原文含义。OXR 在识别内容的同时判断阅读顺序,并提供版面坐标,保留内容在页面中的位置。

这些能力共同构成了 OXR 的“Everything”:覆盖文字、表格、公式、化学结构式、代码块等 13 类文档元素,将 PDF 和文档图片解析为 Markdown / JSON,供 Agent、RAG 等下游流程使用。

处理单份文档,几秒的差异未必明显;当任务变成批量论文入库、档案整理或研报解析,处理效率就会直接影响等待时间与算力占用。

根据团队公布的同条件完整解析测试结果,在同一张 RTX PRO 6000 Blackwell(96GB)显卡上,解析从 OmniDocBench 随机抽取的 100 页文档,OXR 平均用时约 101 秒,PaddleOCR-VL-1.6 和 MinerU2.5-Pro 则分别需要约 145 秒和 255 秒。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →