1.3B开源OXR凭RSI登顶三大文档解析榜

国产开源文档解析模型OXR参数量仅1.3B，却在OmniDocBench、olmOCR-Bench和DocParsingBench三项评测中全部排名第一。它能够把高等数学手写笔记转换为Markdown，也能识别并重建化学结构图等复杂内容。

模型不仅支持文字提取，还能处理化学方程式、表格、公式等元素，覆盖真实文档中的多种结构。

在单张RTX PRO 6000上，OXR端到端解析100页文档耗时101秒。项目已获得超过1.1万个GitHub Star，并曾登上海外开发者社区的热门资讯榜单。

三项评测中，OXR在OmniDocBench取得97.18分，在olmOCR-Bench取得87.84分，在DocParsingBench取得87.76分。前者覆盖10类复杂文档，第二项包含7000多道测试题，第三项覆盖5大行业和14个真实业务场景，评测流程与代码也已开放。

实际应用中，OXR可输出保留语义结构和阅读顺序的Markdown，将数学公式转换为LaTeX，并处理双栏论文、数学试卷等内容。

其核心优势来自后训练阶段引入的递归自我改进（RSI）。系统先解析大量无标签文档，再由通用视觉语言模型将结果划分为Correct、Wrong和Uncertain三类；同时通过多次采样识别不稳定结果，并利用缩放、压缩、模糊、平移等扰动定位视觉脆弱点。随后，模型诊断错误原因，借助SigLIP2和聚类模型形成原因簇，再结合真实文档版式生成针对性训练数据，循环补齐短板。

工程架构上，OXR采用轻量版面分析模块与主模型分工的方式：前者负责Layout Analysis，主模型同时完成内容识别和阅读顺序判断。相比检测、识别、排序多模型串联或端到端大模型方案，这种设计兼顾速度、准确率和可插拔性，用户也可替换版面分析模块以适配古籍、医疗单据等场景。模型本体仅1.3B参数，使用RTX 3060即可运行；官方还提供免注册、免申请密钥的免费API，并表示会在服务器负载可承受范围内持续维护该服务。