项目说明
OXR 是什么
OXR 是守扣科技 SoMark 开源的 1.3B 文档解析模型,面向 PDF 和文档图片,输出 Agent 友好的 Markdown/JSON。
它能识别文字、表格、公式、化学方程式/结构式、代码等 13 类元素,并给出版面坐标与阅读顺序。
| 基准 | 得分 | 说明 |
|---|---|---|
| OmniDocBench | 97.18 | 三大文档解析榜第一 |
| olmOCR-Bench | 87.84 | 表格场景优势明显 |
| DocParsingBench | 87.76 | — |
| 100 页解析耗时 | 约 101 秒 | RTX PRO 6000 同条件,开源第一 |
OXR 怎么安装
最简方式(Docker):
- 克隆 GitHub 仓库
- 从 Hugging Face 或 ModelScope 下载 OXR-1.0 BF16 权重
- 构建
docker/Dockerfile.allinone并挂载模型目录 - 启动后访问
localhost:8000/demo或/docs
源码部署:依次启动 OXR 模型服务、Layout Analysis 服务,再启动文档解析 API 并配置 config.yaml。
也可以直接用官方免费 API 和在线 Demo。
OXR 怎么使用
- 发起解析:调用
/v1/parse/sync同步接口或异步接口,或用 SoMark CLI/SDK 改 base URL 后提交文件。 - 获取结果:选择 markdown 或 json 等输出格式,下载解析结果并检查坐标与阅读顺序。
- 生产接入:用本地服务或 SoMark 商业服务,按业务需要替换或微调版面分析模块。
OXR 的技术要点
架构分工:系统由轻量 Layout Analysis 模型和 OXR 主模型组成。前者定位内容区域,后者在同一识别阶段完成内容识别与阅读顺序判断,减少独立排序开销,并用语义关系提升顺序判断。
可插拔版面分析:版面分析被拆成独立模块,可替换为第三方或自研版面模型,同时保留 OXR 的内容识别与阅读顺序能力。
RSI 自我改进:后训练阶段引入面向文档解析的递归自我改进闭环,由多个模型分析错样本与弱样本,自动生成训练策略与数据,减少人工标注依赖。
OXR 适合谁用
- 搭 RAG 知识库,需要高质量切片和可引用的文档结构
- 金融研报解析,要处理多栏表格和图表说明
- 教育考试数字化,解析 A3 试卷、竖排、手写内容
- 科研出版流程,把公式转 LaTeX、化学结构式转 SMILES
OXR 项目地址
- GitHub 仓库:https://github.com/SoMarkAI/OXR
- HuggingFace 模型库:https://huggingface.co/SoMarkAI/OXR-1.0