开源文档解析模型 OXR:1.3B 参数登顶三项基准
JaynitMakwana · x · 2026-10-23
SoMark 团队开源了文档解析模型 OXR(Optical Everything Recognition),可将 PDF 和文档图像转为带布局坐标的 Markdown 或 JSON,面向 RAG 与 Agent 场景。模型从零预训练,仅 1.3B 参数,在后训练阶段使用递归自我改进(RSI)循环:多轮推理标记错误结果,由通用 VLM 解释错误原因,聚类成问题类型后自动生成新训练数据,无需人工标注。项目已在 GitHub 开源(273 星),并提供在线演示和免费 API。
所属事件:1.3B 开源文档解析模型 OXR 登顶三项基准(6 条相关)→
「编程与Agent」频道最新
- 20年资深运维：没人聊 AI 是处理每日上百次系统更新的神器 — Dan_Jeffries1 · 2026-10-23
- Agent 接上 MCP 能改真实数据：三条提示词规则防误删 — SendPulse · 2026-10-23
- 作者实测：Claude Code 接 Google Docs 连接器写作体验不错 — helloiamleonie · 2026-10-23
- 开发者用 iPhone 上的 Cursor Agent 几分钟修好新屏适配故障 — marclou · 2026-10-23
- 开源替代品 Tidy 上线:给设计师与 Agent 用的产品画布,首日19星 — lilhuddyrr · 2026-10-23
- 博主断言:80% 工作已转 Claude Code,聊天/Cowork/代码将合并为统一 Claude — rubenhassid · 2026-10-23