Description
OXR-1.0 est un modèle avancé de parsing de documents open-source développé par l'équipe SoMark, conçu pour convertir des documents complexes tels que des PDF et des images en données structurées et adaptées aux agents. Il produit des données dans des formats comme Markdown ou JSON, avec des coordonnées de mise en page, ce qui le rend très polyvalent pour diverses applications nécessitant une compréhension précise des documents.
Lire la suite
Distingué par son architecture innovante, OXR-1.0 est le premier modèle de parsing de documents à incorporer une boucle d'auto-amélioration récursive (RSI) pendant le post-entraînement. Cette approche unique permet au modèle d'améliorer ses performances en ciblant les échantillons qu'il traite de manière incorrecte ou faible, accélérant ainsi considérablement l'itération et l'amélioration sans nécessiter d'annotation humaine. Malgré ses seulement 1,3 milliard de paramètres, OXR-1.0 se classe systématiquement #1 sur les principaux benchmarks, y compris olmOCR-Bench, OmniDocBench et DocParsingBench, démontrant une précision supérieure, en particulier dans le parsing de tableaux.
Une caractéristique clé d'OXR-1.0 est son module d'analyse de mise en page pluggable, une première dans l'industrie. Ce design permet aux utilisateurs de remplacer le modèle de mise en page intégré par un modèle personnalisé, offrant une flexibilité sans précédent pour s'adapter à des exigences spécifiques à divers domaines. OXR-1.0 maintient ses capacités fondamentales en reconnaissance de contenu et en ordre de lecture, garantissant un effort d'intégration minimal à travers divers scénarios de documents. Il peut reconnaître 13 types distincts d'éléments de documents, des formules et tableaux aux équations chimiques et blocs de code, fournissant des coordonnées de boîte englobante pour chacun.
Au-delà de sa précision, OXR-1.0 se vante d'une vitesse de parsing de premier ordre, surpassant d'autres modèles open-source lors des tests de vitesse. Cette efficacité est atteinte grâce à une architecture de traitement redessinée au niveau de la tâche, optimisant la vitesse tout en préservant une haute précision. Le modèle est capable de gérer des types et mises en page de documents difficiles, y compris des papiers d'examen A3, des journaux, du texte vertical et même de l'écriture manuscrite. SoMark fournit une API gratuite pour les tests et propose des outils CLI et SDK complets pour Python et JavaScript, garantissant une large compatibilité et une facilité d'intégration pour les développeurs.
- CatégorieModèles d'IA et LLM
- Modèle tarifaireFree API / Open Source
- DéploiementCloud, Exécution locale
- PlateformesWeb
Points forts de OXR-1.0
Modèle de parsing de documents open-source
Convertit les PDF et les images de documents en Markdown ou JSON
Inclut les coordonnées de mise en page dans la sortie
Utilise une boucle d'auto-amélioration récursive (RSI) pour le post-entraînement
Atteint une précision de pointe (SOTA)
Se classe #1 sur olmOCR-Bench, OmniDocBench et DocParsingBench
Dispose de 1,3 milliard de paramètres
Offre une vitesse de parsing leader dans l'industrie
Module d'analyse de mise en page indépendant et pluggable
Prend en charge des modèles de mise en page personnalisés
Gère la reconnaissance de contenu et l'ordre de lecture
Reconnaît 13 types d'éléments de documents (formules, tableaux, équations chimiques, blocs de code, etc.)
Performances élevées sur des documents difficiles (papiers d'examen A3, écriture manuscrite, texte vertical)
Fournit une API gratuite pour les tests
Compatible avec l'API de parsing de documents officielle de SoMark et les outils CLI
Premiers pas avec OXR-1.0
Accéder au modèle : Téléchargez le code et les modèles OXR-1.0 depuis Hugging Face ou ModelScope.
Préparer l'environnement : Configurez votre environnement pour le téléchargement du modèle et l'exécution du service.
Démarrer les services : Exécutez les services OXR-1.0 en utilisant Docker pour une configuration recommandée, ou démarrez des services individuels (Modèle OXR, Modèle d'analyse de mise en page, API de parsing de documents) depuis la source.
Configurer l'API : Si vous exécutez depuis la source, configurez l'API de parsing de documents en définissant les champs URL dans config.yaml aux adresses des services de modèle OXR et d'analyse de mise en page.
Ouvrir la démo visuelle : Accédez à la démo visuelle à http://localhost:8000/demo pour télécharger des PDF ou des images et voir les résultats analysés, y compris l'aperçu Markdown, la source, les boîtes englobantes de mise en page et l'ordre de lecture.
Envoyer une demande de parsing : Utilisez l'API OXR directement ou intégrez-vous aux outils CLI/SDK de SoMark (somark-py, somark-js) en changeant l'URL de base pour envoyer des demandes de parsing.
Optimiser l'intégration : Adaptez le module d'analyse de mise en page pluggable aux exigences spécifiques du domaine pour un parsing de structure de document personnalisé.
Cas d'utilisation de OXR-1.0
- Numérisation de documents
- Extraction de données
- Reconnaissance de contenu
- Traitement automatisé de documents
- Préparation de données adaptées aux agents
- Analyse de mise en page personnalisée
- Recherche et développement
- Évaluation des parseurs de documents








