1.3B 开源模型 OXR 登顶三个文档解析榜单
OXR 说明文档解析不必堆大模型：小模型加分阶段结构，再配自我迭代的数据闭环，也能在三个榜单排第一。
国产开源文档解析模型 OXR 只有 1.3B 参数，却在 OmniDocBench、olmOCR-Bench、DocParsingBench 三个榜单排第一。它把版面分析和阅读顺序判断拆开处理，并用 RSI（让模型自己找错、归因、造下一轮训练数据的迭代闭环）持续补短板，单张 RTX PRO 6000 解析 100 页文档耗时 101 秒。
正文摘录
OmniDocBench、olmOCR-Bench 和 DocParsingBench，三榜第一。 双栏论文串行，手写公式识别成一堆乱码，跨页大表格结构直接崩解，至于化学结构式，很多工具干脆直接当成杂乱线条丢弃。。。 就算是一个只有 27B 的模型，本地部署成本也高得离谱，起码上个 M5 Pro 64G 吧，这还不考虑输出速度的问题。 排版千奇百怪，专业公式、代码、图表错综复杂，纯靠人工标注不仅成本高到上天，而且人工标注的错误率本身就高得吓人。 真实世界里的长尾 Bad Case 你根本穷尽不了。工程师辛辛苦苦挑出坏样本、人工修正、重新训练，好不容易发了个新版本，遇到新的奇葩排版还是会挂。 不依赖新增的人类手工标注，让 AI 系统自己找错、自己分析原因、自己准备下一轮训练数据、自己迭代进化。 紧接着，通用多模态模型（General VLM）登场，结合原始图像、解析结果和评判标准，把样本切分成三类： 如果你只给模型 Correct 和 Wrong 两个非黑即白的选项，评判模型的犹豫就会被强行包装成一个确定标签，最后把毒素喂给下一轮训练。 一份文档如果跑几次出来的结果大相径庭，说明模型底气不足，哪怕碰巧蒙对一次，也会被直接扔进 Uncertain 集合。 最后，在语义完全不变的前提下，系统会针对这些高分歧样本做轻微的图像扰动（小幅缩放、压缩、轻微模糊或平移）。 如果加了扰动后分歧进一步扩大，说明模型对这类无害的视觉变化过度敏感，这个扰动动作就会被当场记录为一条核心病因，直接指导下一轮针对性补强。 在这个阶段，General VLM 会像一个老医生一样，逐个样本去诊断：是跨列单元格对齐失败，还是手写连笔识别错误？ 诊断出的自然语言原因，会被输入到 SigLIP2 提取特征向量，然后通过独立的聚类模型进行聚类，形成清晰的原因簇（Reason clusters）。