4B 模型 OCRia-1 登顶文档解析：ParseBench 均分 0.87，解码快 2-4 倍
NielsRogge · x · 2026-10-26
LlamaIndex 团队发布 37 页 OCRia-1 技术报告，这是一个专攻文档解析的 4B 视觉语言模型，报告已上线 Papers with Code。
- 评测成绩：在与 Infinity-Parser、LightOnOCR 3、Chandra 2、dots.mocr 等主流开源 OCR 模型的对比中，OCRia-1 在表格、图表、文本格式等维度的平均 ParseBench 得分为 0.87，远超次优系统的 0.75，甚至胜过一个 35B 模型和 Mistral OCR 4.1，并拿下 ParseBench-Tab SOTA。
- 能力亮点：能处理合并单元格、跨行表头、数千单元格的大表格、图表数据提取，以及粗体/斜体/上下标等格式保留。
- 速度：单张 B200 GPU 上解码约 4700 tokens/秒，比最新开源模型快 2-4 倍以上。
- 方法：核心在于数据策划——合成页提供精确真值，真实页通过基于 PDF 文本层的管线转录；训练先用 SFT，再用可验证奖励的强化学习（RLVR），配合针对表格重建、图表提取、格式保真的维度化奖励设计。报告含 24 页数据与训练管线细节，可供自建视觉模型参考。
所属事件:LlamaIndex 发布文档解析模型 OCRia-1，刷新多项 SOTA(2 条相关)→
「模型」频道最新
- 博主预测:Anthropic 11 月 IPO 前一周或抢发新模型拉高估值 — kimmonismus · 2026-10-26
- MemTensor 开源 MemT-1.0-Nano，基于 Qwen3.6-35B-A3B 做记忆增强 — MemTensor · 2026-10-26
- Kimi 承认 K3.1 Pro 额度扣费失误，向全量订阅用户补偿一周用量 — Kimi_Moonshot · 2026-10-26
- 爆料称 Fable 5.5 已推送给摩根大通、Meta 等头部企业客户 — ChrisGPT · 2026-10-26
- 新论文：潜学习无需共享基座，偏好也能跨模型隐秘传播 — burny_tech · 2026-10-26
- Jeff Ladish：厂商不会训练模型不说谎，且激励正走向「巧妙说谎」 — JeffLadish · 2026-10-26