2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

AI Infra:POINTS-Reader,腾讯开源的文档解析和OCR工具

发布日期:2025-11-04 10:54:02 浏览次数: 2287
作者:平行记陆

微信搜一搜,关注“平行记陆”

推荐语

腾讯开源POINTS-Reader:用语言模型重新定义文档解析,让AI自己学会"看图说话"。

核心内容:
1. 端到端视觉-语言OCR的创新架构设计
2. 自演化训练机制实现无监督持续优化
3. 在标准文档解析任务中展现的平衡性能优势

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
“用一个语言模型,看图说话,直接吐出结构化文本,靠自打自喂进化。”

一、定义

端到端视觉-语言OCR

输入一张文档图 → 输出 Markdown + HTML 表格,中间无OCR、无版式分析、无规则引擎。

二、架构极简主义

组件
选择
原因
视觉编码器
NaViT (600M)
不是ViT-Base,是“适合批处理的视觉Tokenizer” —— 平衡分辨率与推理速度
语言模型
Qwen2.5-3B-Instruct
不用7B,省显存;用Instruct版,天生懂指令
输入格式
图片 + 固定Prompt
“请提取为Markdown和HTML” —— 指令即任务
输出格式
纯文本字符串
无结构化解析器,全靠LLM生成结构

→ 一切结构化,都是语言模型“猜”出来的。

三、核心创新:自演化训练(Self-Evolution)

  • 第一阶段
    :用合成文档(AI生成PDF→截图+文本对)教它基本能力
  • 第二阶段
    :让模型自己给真实文档打标签 → 挑高质量生成结果 → 用这些“自产数据”再训练自己

→ 像人自学:先看教材,再自己做题,对答案,错的重来

无需人工标注真实数据 → 可无限扩展
模型越强,数据越准 → 正反馈闭环

四、性能真相

指标
意义
Edit Distance
英文0.133,中文0.212
比多数OCR+规则系统低(越低越好)
TEDS
较高
表格识别优于传统Pipeline
读序错误
懂“从左到右、从上到下”——视觉+文本协同推理

→ 不是最强,但最平衡:不输专业OCR,省掉5个模块。

五、适用场景

  • 电子书/pdf扫描件
    (印刷体、版面标准)
  • 财报、合同、发票
    (固定格式、无手写)
  • 学术论文
    (含公式,它能吃 LaTeX)

→ 不适配:手写笔记、老档案、杂乱照片、多语言混排。


总结

POINTS-Reader 不是OCR的升级,而是用LLM重构了OCR的定义:不是“识别文字”,而是“理解文档”。


它把十年的OCR技术栈,压缩成一个会看图的对话模型,靠自动生成数据成长,靠指令驱动一切。

它不完美,但它证明了一件事:你不需要复杂的系统,你只需要一个足够强的模型,和一个会“喂自己”的训练法。

https://github.com/Tencent/POINTS-Reader

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅