星辰通用人工智能实验室
Science Technology
近日，OCR领域顶级学术会议 ICDAR-2026 公布文档分析与识别领域相关竞赛结果，星辰通用人工智能实验室研发的TeleOCR-VL 在Sci-ImageMiner（科学图解析赛道）登顶榜首 ，展现其在复杂文档解析与图表理解任务中的全球领先能力。此前，星辰通用人工智能实验室的OCR综合能力已在 OCRBench v2 中文榜单上获得第一。
ICDAR是全球文档分析与识别领域最具权威性的国际学术组织，其主办的各类竞赛因其极高的技术难度和强大的实用性享誉国内外，被视为行业技术实力的“试金石”。科学图解析赛道是ICDAR举办的重要竞赛，立足专业科研领域、依托真实图表数据，旨在推动多模态文档分析、图表理解与科学推理领域的技术发展。
当前主流文档解析模型以字符识别为核心，对文档中的科学图缺乏结构化理解能力。大量关键数据并非以自然语言显式呈现，而是隐藏在折线图、柱状图等科学图的曲线趋势之中。科学图往往只能“被呈现”，却无法被进一步检索与推理。
针对上述问题，星辰通用人工智能实验室提出了多模态文档解析模型 TeleOCR-VL：通过“结构感知解耦训练”与“交叉一致性数据清洗”构建超过 3000 万条训练数据，覆盖版面分析、表格还原、公式解析、科学图理解及多语种处理等能力。在此基础上，TeleOCR-VL 内置了 19 种科学图转表的解析能力，能够理解堆叠折线图、桑基图、热力图、雷达图等复杂科学图。
TeleOCR-VL 的核心思路：
结构解耦 + 多模型共识 + 数据闭环
TeleOCR-VL 通过结构解耦与双轨训练增强复杂表格及科学图的解析能力，引入多模型一致性清洗与“投票筛选--模型自判训练”闭环机制，提升数据质量与模型鲁棒性，并进一步扩展科学图转表、信息抽取及多语种场景能力，实现从文档解析到多模态理解的全面升级。
第一阶段：
结构感知建模——从“看图”到“理解结构”
在训练阶段，引入结构解耦思想，构建双轨数据体系：
Structure-only：通过掩码去除文本，仅保留表格拓扑结构，强化行列关系与空间分布建模；
Structure + Content：保留完整语义信息，实现结构与数值的联合对齐。
该策略显著提升模型在复杂表头与稀疏布局下的结构还原稳定性（TEDS）。同时，通过大规模科学图表合成（折线图、热力图等），建立从像素空间到结构化表示（OTSL / Markdown）的稳健映射能力。
第二阶段：
数据清洗与一致性约束：构建高质量训练基础
针对数据噪声与分布不均问题，引入多模型一致性驱动的数据清洗机制。
在 Layout 阶段，通过多模型并行推理，结合区域尺度、类别一致性与空间分布过滤异常样本，并利用数据增强与人工复核提升数据质量。
在 Parse 阶段，通过多模型交叉验证，将样本划分为简单样本与困难样本。简单样本直接转化为标准化 OTSL 结构，困难样本结合 TEDS 指标与人工修正进一步优化。
同时，引入“投票筛选--模型自判训练”的数据闭环机制：高一致性结果作为伪标签扩充训练集，高分歧样本作为难例重点优化，从而持续提升模型鲁棒性。
第三阶段：
能力扩展——从解析到理解
在结构解析基础上，进一步扩展至多模态理解：
● 科学图转表：基于 ICDAR 数据与合成数据，实现图表到结构化表格的统一映射；
● 信息抽取：支持模板驱动与自定义 schema 的结构化抽取；
● 数据扩展：引入多语种、手写及大规模业务数据（百万级），提升模型跨场景泛化能力。
TeleOCR-VL效果展示
模型在多类型复杂场景下均表现出稳定且高精度的解析能力，覆盖典型结构化与半结构化视觉信息：
左右滑动查看更多
面向政务与企业数字化场景，TeleOCR已构建覆盖营业执照、电子签名、印章及通用文档的智能解析体系，广泛应用于各省市公司的业务办理、档案数字化与信息治理场景。同时支持公司内部采供项目物流表与智能体知识库建设，实现多源业务数据的语义检索与自动化信息处理。星辰通用人工智能实验室将持续打磨 TeleOCR的能力边界，推动其在金融、医疗、科研、政务等高价值场景中落地，让复杂文档真正成为可被机器读懂、被业务直接调用的结构化资产。
“
主要作者介绍
星辰大模型全尺寸开源地址：
星辰语义基础大模型TeleChat已开源1B、3B、7B、12B、35B、36B、39B（MoE）、52B、105B（MoE）、115B的不同参数模型的训练和推理代码，链接如下：
https://github.com/Tele-AI
https://huggingface.co/Tele-AI
https://modelscope.cn/organization/TeleAI
https://modelers.cn/user/TeleAI
推荐阅读
