MiniCPM-OCR：1.3B解析文档，2B质检打分

MiniCPM-OCR 是“解析+质检”双模型套件：1.3B 干脏活，2B 当裁判。

MiniCPM-OCR 1.0（解析器）
架构：SigLIP 视觉塔 + Qwen3.5 语言模型，1.3B 参数。
能力：中英文 PDF/图片 → Markdown/JSON，覆盖文本、表格、公式、图表、印章，支持关键信息抽取（KIE）。
鲁棒性：扫描件、弯曲、翻拍、倾斜都扛得住
加速：DSpark 解码（BF16/GGUF），端到端快 55%，吞吐约 1.2 页/秒（RTX 5090），是 PaddleOCR-VL 的 1.49 倍、MinerU2.5 的 3.62 倍
精度：Real5-OmniDocBench 93.68，OCRBench v2 54.7。
部署：首日支持 vLLM / SGLang / llama.cpp / Ollama，提供 pip SDK 与 SKILL.md。

MiniCPM-OCR Jev（质检器）
2B 决策模型，不解析，只打分：输入“图+OCR结果”→ 输出 0~1 质量分（文本/公式/表格分别判）。
JevOCRBench AUROC 93.6，以小博大反超 35B 模型，逼近 397B 级。
跨模型通用：对 GLM-OCR、PaddleOCR-VL 等输出也能判，高分自动过、低分进人工复核队列。

工作流：
PDF/图片 → PP-DocLayoutV3 版面检测切块 → 并发送 1.0 识别 → 拼回 Markdown → Jev 逐区打分。
整套 Apache 2.0 开源，适合做知识库入库、票据/合同自动化前的“解析+可信度过滤”闭环。

OpenBMB/MiniCPM-OCR
#大模型 #深度学习 #科研学习 #AI人工智能 #算法 #人工智能发展 #人类高质量科研工具 #多模态人工智能 #机器学习 #计算机视觉