Jay 发自 凹非寺
量子位 | 公众号 QbitAI
最近，一款参数量仅1.3B的国产开源模型OXR，在文档解析领域取得突破性进展。该模型基于RSI（递归自我改进）技术，在OmniDocBench、olmOCR-Bench和DocParsingBench三大权威榜单中均位列第一。
OXR不仅能够精准识别高数手写笔记并转换为Markdown格式，甚至能还原复杂的化学结构图。在性能方面，单张RTX PRO 6000显卡完成100页端到端文档解析仅需101秒。目前，该项目在海外开发者社区备受关注，GitHub Star数已超1.1K。
三榜全球第一
传统OCR在处理双栏论文、手写公式、跨页表格及化学结构式时往往表现不佳，导致提取数据质量低下，严重影响下游RAG应用效果。OXR模型的推出，旨在解决这一痛点。
OXR在以下三大基准测试中取得第一名：
OmniDocBench：得分97.18（上海人工智能实验室开源，覆盖10类复杂文档）
olmOCR-Bench：得分87.84（Ai2团队推出，包含700多道单元测试级题目）
DocParsingBench：得分87.76（覆盖5大行业、14个真实业务场景）
OXR支持全量开源代码及评测流程复现。该模型能够识别表格、公式、代码块、图片、化学方程式、脚注、页眉页脚等13类文档元素，并输出保留完整语义结构和阅读顺序的结构化Markdown。
此外，OXR可将数理公式直接转换为标准LaTeX代码，并能高质量处理双列排版的学术文献及数学试卷。
得益于1.3B的小参数量，OXR部署门槛极低，RTX 3060显卡即可满血运行，大幅降低了本地部署成本。
揭秘RSI训练
文档解析领域长期面临标注数据成本高、错误率高及长尾案例难以穷尽的问题。OXR团队引入面向文档解析的递归自我改进（RSI）训练范式，利用文档存在客观标准答案的特性，实现模型自进化。
RSI过程主要包含三个阶段：
1. 预测与分类（Prediction & Classification）
OXL解析海量无标签文档后，由通用多模态模型（General VLM）结合原始图像、解析结果及评判标准，将样本分为Correct（正确）、Wrong（错误）和Uncertain（不确定）三类。保留Uncertain类别可避免将模型的犹豫强行包装为确定标签。同时，通过多次rollout采样及图像扰动测试，识别模型对视觉变化敏感的脆弱点。
2. 归因与训练规划（Attribution & Training Planning）
General VLM对错误及弱样本进行诊断，提取自然语言原因，并通过SigLIP2提取特征向量进行聚类，形成原因簇（Reason clusters）。此举有助于精准定位模型短板，如跨行跨列结构识别失败等共性问题。
3. 数据生成（Data Generation）
基于原因簇提供的结构难点及真实样本池的版式风格，系统生成针对性训练数据，并将视觉脆弱点编入合成管线。经过严格校验的数据回流训练下一代OXR，通过迭代不断补齐模型短板，提升数据分布完备性。
架构轻巧可插拔
OXR在保持高准确率的同时实现了极高的解析速度。其核心在于独特的任务级重构方案：独立的轻量模型负责版面分析（LA），OXR主模型同时负责内容识别（Recognition）与阅读顺序判断（Reading Order）。
该架构带来两大优势：
首先，彻底抹平阅读顺序带来的性能损耗。阅读顺序判断并入主模型后，利用主模型的语义理解能力提升准确率，而版面分析模块因任务纯粹化可采用更高效检测模型，大幅提升吞吐量。
其次，版面分析模块独立且完全可插拔。针对不同业务场景（如古籍、医疗单据等）的特殊版面需求，用户可替换私有版面分析模型，无缝对接OXR强大的内容识别能力，实现最大程度的业务适配自由度。
开箱即用生态
OXR提供免注册、免Key的免费API服务，并全面适配主流推理框架。开发者可通过官方Docker或CLI插件一键拉起本地服务。目前，代码、权重及基准评测复现流程已全部开源。
对于需要处理Word、PPT、Excel等更多格式或追求更高定制能力的用户，官方提供了商业级引擎SoMark。
One More Thing
在Agent接管工作流的背景下，高质量的结构化数据是发挥大模型能力的基础。OXR通过将复杂多模态文档重构为对Agent友好的结构化资产，解决了输入数据质量低的瓶颈。这一工程落地实践表明，完善Agent基础设施是当前技术发展的重要方向。
相关链接：
GitHub：https://github.com/SoMarkAI/OXR
Hugging Face：https://huggingface.co/SoMarkAI/OXR-1.0
在线Demo：https://free-oxr.somark.cn/
免费API：https://free-oxr.somark.cn/api/v1
SoMark官网：https://www.somark.cn