Beschreibung
OXR-1.0 ist ein fortschrittliches Open-Source-Dokumentenparser-Modell, das vom SoMark-Team entwickelt wurde und darauf ausgelegt ist, komplexe Dokumente wie PDFs und Bilder in strukturierte, agentenfreundliche Daten umzuwandeln. Es gibt Daten in Formaten wie Markdown oder JSON aus, die mit Layout-Koordinaten versehen sind, was es äußerst vielseitig für verschiedene Anwendungen macht, die ein präzises Dokumentenverständnis erfordern.
Weiterlesen
OXR-1.0 zeichnet sich durch seine innovative Architektur aus und ist das erste Dokumentenparser-Modell, das eine rekursive Selbstverbesserungsschleife (RSI) während des Nachtrainings integriert. Dieser einzigartige Ansatz ermöglicht es dem Modell, seine Leistung zu verbessern, indem es gezielt Proben anvisiert, die es falsch oder schwach verarbeitet, was die Iteration und Verbesserung erheblich beschleunigt, ohne dass eine menschliche Annotation erforderlich ist. Trotz der nur 1,3 Milliarden Parameter rangiert OXR-1.0 konstant auf Platz 1 in wichtigen Benchmarks wie olmOCR-Bench, OmniDocBench und DocParsingBench und zeigt eine überlegene Genauigkeit, insbesondere beim Parsen von Tabellen.
Ein zentrales Merkmal von OXR-1.0 ist sein pluggable Layout-Analysemodul, das in der Branche einzigartig ist. Dieses Design ermöglicht es den Nutzern, das integrierte Layout-Modell durch ein benutzerdefiniertes zu ersetzen, was eine unvergleichliche Flexibilität bietet, um sich an verschiedene domänenspezifische Anforderungen anzupassen. OXR-1.0 behält seine Kernfähigkeiten in der Inhaltserkennung und der Lesereihenfolge bei, was einen minimalen Integrationsaufwand in verschiedenen Dokumentenszenarien gewährleistet. Es kann 13 verschiedene Dokumentelementtypen erkennen, von Formeln und Tabellen bis hin zu chemischen Gleichungen und Codeblöcken, und bietet für jedes Element die Begrenzungsrahmenkoordinaten.
Neben seiner Genauigkeit bietet OXR-1.0 eine erstklassige Parsing-Geschwindigkeit und übertrifft andere Open-Source-Modelle in Geschwindigkeitstests. Diese Effizienz wird durch eine neu gestaltete Verarbeitungsarchitektur auf Aufgabenebene erreicht, die die Geschwindigkeit optimiert und gleichzeitig eine hohe Genauigkeit bewahrt. Das Modell ist in der Lage, herausfordernde Dokumenttypen und Layouts zu verarbeiten, einschließlich A3-Prüfungsunterlagen, Zeitungen, vertikalen Texten und sogar Handschrift. SoMark bietet eine kostenlose API zum Testen an und stellt umfassende CLI- und SDK-Tools für Python und JavaScript zur Verfügung, um eine breite Kompatibilität und einfache Integration für Entwickler zu gewährleisten.
- KategorieKI-Modelle & LLMs
- PreismodellFree API / Open Source
- BereitstellungCloud, Läuft lokal
- PlattformenWeb
OXR-1.0 im Überblick
Open-Source-Dokumentenparser-Modell
Konvertiert PDFs und Dokumentenbilder in Markdown oder JSON
Beinhaltet Layout-Koordinaten in der Ausgabe
Nutzen einer rekursiven Selbstverbesserungsschleife (RSI) für das Nachtraining
Erreicht erstklassige (SOTA) Genauigkeit
Rangiert auf Platz 1 bei olmOCR-Bench, OmniDocBench und DocParsingBench
Verfügt über 1,3 Milliarden Parameter
Bietet branchenführende Parsing-Geschwindigkeit
Unabhängiges und pluggable Layout-Analysemodul
Unterstützt benutzerdefinierte Layout-Modelle
Verarbeitet Inhaltserkennung und Lesereihenfolge
Erkennt 13 Dokumentelementtypen (Formeln, Tabellen, chemische Gleichungen, Codeblöcke usw.)
Leistet gute Arbeit bei herausfordernden Dokumenten (A3-Prüfungsunterlagen, Handschrift, vertikaler Text)
Bietet eine kostenlose API zum Testen
Kompatibel mit SoMarks offizieller Dokumentenparser-API und CLI-Tools
Erste Schritte mit OXR-1.0
Modellzugang: Laden Sie den OXR-1.0-Code und die Modelle von Hugging Face oder ModelScope herunter.
Umgebung vorbereiten: Richten Sie Ihre Umgebung für den Modell-Download und die Ausführung des Dienstes ein.
Dienste starten: Führen Sie die OXR-1.0-Dienste mit Docker für eine empfohlene Einrichtung aus oder starten Sie einzelne Dienste (OXR-Modell, Layout-Analyse-Modell, Dokumentenparser-API) aus dem Quellcode.
API konfigurieren: Wenn Sie aus dem Quellcode ausführen, konfigurieren Sie die Dokumentenparser-API, indem Sie die URL-Felder in config.yaml auf die Adressen der OXR- und Layout-Analyse-Modell-Dienste setzen.
Visuelle Demo öffnen: Greifen Sie auf die visuelle Demo unter http://localhost:8000/demo zu, um PDFs oder Bilder hochzuladen und die geparsten Ergebnisse anzuzeigen, einschließlich Markdown-Vorschau, Quelle, Layout-Begrenzungsrahmen und Lesereihenfolge.
Parsing-Anfrage senden: Verwenden Sie die OXR-API direkt oder integrieren Sie sie mit SoMarks CLI/SDK-Tools (somark-py, somark-js), indem Sie die Basis-URL ändern, um Parsing-Anfragen zu senden.
Integration optimieren: Passen Sie das pluggable Layout-Analysemodul an spezifische Anforderungen der Domäne an, um die Dokumentenstruktur zu parsen.
OXR-1.0's Anwendungsfälle
- Dokumentendigitalisierung
- Datenextraktion
- Inhaltserkennung
- Automatisierte Dokumentenverarbeitung
- Agentenfreundliche Datenvorbereitung
- Benutzerdefinierte Layout-Analyse
- Forschung und Entwicklung
- Benchmarking von Dokumentenparsern








