rohanpaul_ai· @rohanpaul_ai · X·· 2 小时前AI 评分
OXR 文档解析模型发布，将解析失败纳入训练过程
OXR 成为首个在后训练阶段使用 RSI 的文档解析器：由 VLM 评估输出、rollout 分歧标记不确定性、聚类模型归因，再据此指导下一轮定向数据生成。产出的 1.3B 模型在 olmOCR-Bench、OmniDocBench 和 DocParsingBench 上排名第一，在单张 RTX PRO 6000 上吞吐达 GLM-OCR 的 3.05×，是速度对比中最快的开源结果。
OXR 将解析失败纳入了训练流程本身。
在后训练阶段（OXR 是首个在此环节使用 RSI 的文档解析器），一个 VLM 会对自身输出进行评估，多次采样结果之间的分歧用于标记不确定之处，再由一个单独的聚类模型对成因进行归类；
这些发现随后指导下一轮有针对性的数据生成，由此产出的 1.3B 模型在 olmOCR-Bench、OmniDocBench 和 DocParsingBench 上均排名第一，同时在单张 RTX PRO 6000 上的吞吐量达到 GLM-OCR 的 3.05 倍，是速度对比中最快的开源结果。
值得研究（Github 链接见评论）
来源：rohanpaul_ai · x.com