★ 3
国产开源 OXR 1.3B 登顶全球第一，RSI 重塑 OCR
国产开源 OCR 模型 OXR 以 1.3B 参数规模登顶全球榜单第一，主打「解析一切」的通用文档解析能力。报道称其借助 RSI（强化自我改进）训练方法在 OCR 任务上取得突破，以小参数模型对标更大规模竞品。
量子位3 天前
#OCR
共 10 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
OCR开源新模型将KV Cache压成常数，缓存砍96%
新开源的OCR模型通过将KV Cache压缩为常数，实现页数无上限处理并将缓存降低96%，被称为OCR 3.0时代的开源新王。该技术显著降低长文档OCR的显存开销，对文档解析与多模态应用有直接价值。
量子位5 天前
★ 3
门控衰减在线策略蒸馏提升OCR忠实度
针对视觉语言模型把图像中异常文字改写成通顺表达、损害OCR转录忠实度的问题，论文提出GAD-RL方法，在联合后训练中依据学生当前任务表现与局部分布自适应调节教师监督强度。在Qwen3.5-2B上，该方法在CHAOS-Bench取得59.92% Micro Recall，较GRPO与固定权重GRPO…
arXiv cs.AI32 天前
★ 3
Jina AI发布jina-ocr-v1文档解析模型
Jina AI发布jina-ocr-v1，一款3.4B参数的MoE视觉文档解析模型，可将PDF、扫描件、表格、图表和发票转为Markdown。模型基于DeepSeek-OCR，内置FastMTP投机解码，在OmniDocBench v1.6得分91.14，单张A100每秒解析2.57页，权重以CC…
MarkTechPost44 天前
★ 3
LandingAI发布第二代智能体文档抽取，含DPT-3 Pro与Verity
LandingAI 推出 Agentic Document Extraction Gen2，基于 DPT-3 模型家族重建文档处理栈，以文档、页面、块树取代原有分块方式。DPT-3 Pro 定位到行级，DPT-3 Verity 定位到词级并附带置信度评分，计费改为按输出字符数计算。Gen1 代码无…
MarkTechPost53 天前
★ 3
★ 2
arXiv 论文发布实体级 OCR 评测基准，Qwen 3.6 实体覆盖率最高
研究基于 Berrutti 档案馆 175 份文档、5209 条人工标注实体，比较序列识别 OCR、OCR 专用视觉语言模型与通用视觉语言模型。结果显示 OCR 排名取决于评测标准：Qwen 3.6 在各容错阈值下实体覆盖率最高，而部分精确匹配较差的系统在小错误容忍下大幅回升，说明字符错误率不足以…
arXiv NLP6 天前
★ 2
开源项目 Narro 发布：浏览器本地 AI 语音朗读网页与 Kindle 书籍
开发者发布开源 Chrome 扩展 Narro，使用浏览器内运行的开放权重 TTS 模型朗读网页，并支持 Kindle 在线阅读器。它通过本地 OCR 识别 Kindle 页面图像，全程离线处理，无需账号与服务器。
Hacker News – AI8 天前
★ 2
Sketch2Sim 发布手绘电路图端到端识别框架
arXiv 论文提出 Sketch2Sim，一个将手绘电路图照片自动转换为 SPICE 兼容网表并求解节点电压与电流的多阶段框架。系统采用双 YOLO 检测元件与文本区域、CRNN+CTC 与 OCR 提取符号数值，并用阈值化、骨架化与 DBSCAN 识别节点。研究团队构建了 1000 张手绘 R…
arXiv cs.AI11 天前
★ 1
开发者推出免费 OCR 成本计算器，估算多家 LLM 提供商 token 费用
一位开发者在 Hacker News 发布免费的 OCR 成本计算器，通过调用各家 LLM 提供商的免费接口测量输入 token 数量，再乘以对应输入 token 单价，帮助用户横向比较不同厂商的 OCR 处理成本。属于面向开发者的实用小工具。
Hacker News – LLM1 天前
这个主题的相关资产
相关术语OCR（光学字符识别）