Logics-Parsing - модель разбора документов с открытым исходным кодом на Ali

Что такое логический разбор

Logics-Parsing - это модель сквозного разбора документов с открытым исходным кодом, основанная на Qwen2.5-VL-7B. Оптимизация анализа макета документа и вывода порядка чтения с помощью обучения с усилением, PDF-изображения могут быть преобразованы в структурированный HTML-вывод, поддержка различных типов контента, включая обычный текст, математические формулы, таблицы, химические формулы и рукописные китайские символы. Модель обучается в два этапа: первый этап - контролируемая тонкая настройка, чтобы научиться генерировать структурированный вывод; второй этап - ориентированное на макет обучение с подкреплением, чтобы оптимизировать точность текста, расположение макета и порядок чтения. Он демонстрирует хорошие результаты в бенчмарке LogicsParsingBench, особенно превосходя другие методы в разборе обычного текста, химической структуры и рукописного контента.

Особенности логического разбора

• возможность комплексного решения проблем: Генерируйте структурированный HTML-вывод непосредственно из изображений документов без сложных многоступенчатых конвейеров.
• Расширенное распознавание контента: Точное распознавание сложных материалов, таких как математические формулы, химические структуры и рукописные китайские символы.
• Структурированный вывод: Созданный HTML сохраняет логическую структуру документа, с подробными тегами и координатами для каждого блока содержимого.
• Автоматическое удаление неактуальных элементов: Автоматически отфильтруйте неактуальные элементы, такие как верхние и нижние колонтитулы, чтобы сосредоточиться на основном содержимом.
• Оптимизация обучения: Оптимизация анализа расположения и порядка чтения для повышения точности синтаксического анализа путем интенсивного изучения.
• Высокая производительность: Превосходит другие существующие методы на широком спектре сложных типов документов.
• Простое развертывание и обоснование: После установки весовые коэффициенты модели можно быстро загрузить из командной строки и выполнить операции вывода.

Основные преимущества Logics-Parsing

• высокая точность: Отличная производительность и высокая точность при работе с широким спектром типов документов и сложным содержимым.
• комплексное решение: Упорядочение процесса путем создания структурированного вывода непосредственно из изображений документов без необходимости многоступенчатого конвейера.
• Способность работать со сложным контентом: Способность точно распознавать и разбирать сложные материалы, такие как математические формулы, химические структуры и рукописный китайский язык.
• Структурированный вывод: В результате HTML-вывод сохраняет логическую структуру документа для последующей обработки и применения.
• Автоматическая фильтрация неактуальных элементов: Автоматически определяет и удаляет лишнее содержимое, такое как верхние и нижние колонтитулы, чтобы сосредоточиться на основном сообщении.
• Оптимизация обучения: Оптимизация анализа макета и порядка чтения с помощью обучения с усилением для повышения общей производительности.

Что является официальным сайтом компании Logics-Parsing?

• Репозиторий Github:: https://github.com/alibaba/Logics-Parsing
• Библиотека моделей HuggingFace:: https://huggingface.co/Logics-MLLM/Logics-Parsing
• Технический документ arXiv:: https://arxiv.org/pdf/2509.19760

Для кого предназначен Logics-Parsing?

• (научный) исследователь: Используется для анализа академических статей и научных отчетов с целью извлечения ключевой информации.
• педагог: Работа с учебными материалами, экзаменационными работами, рукописными заметками и т.д. для поддержки преподавания и обучения.
• Корпоративный аналитик: Разбор деловых документов, отчетов, извлечение данных и информации.
• специалист по анализу данных: Работа с большими объемами данных о документах для поиска и анализа данных.
• Инженер по обработке документов: Разработка системы обработки документов для повышения уровня автоматизации.
• школьники: Assisted learning, разбор учебников и конспектов для повышения эффективности обучения.