AITOP

文档解析

共 57 条相关 AI 资讯
8月19日
00:17
8月16日
06:56
8月15日
23:12
8月11日
04:53
8月9日
10:32
05:25
8月6日
02:47
01:01
8月5日
00:52
00:52Firecrawl@firecrawl_dev
72°
Firecrawl 今日发布开源文档解析引擎 anydoc，基于 Rust 编写。它能在 5 毫秒内将 PDF、Word、幻灯片等 13 种格式转换为 Markdown，处理 500 个 docx 文件仅需 1.7 秒。anydoc 已全面支撑 Firecrawl 的 /parse 端点，开发者和智能体可获得百倍速本地解析能力。
AI产品anydocFirecrawl文档解析
事件专题
推荐理由：Firecrawl 把解析器开源了，anydoc 用 Rust 写，PDF、Word 转 Markdown 只要几毫秒，装个包就能跑，比原来快 100 倍。
原文
7月31日
06:05
02:03
7月25日
10:21
7月24日
14:51
14:51IT之家（博客/媒体）
81°
阿里云发布OvisOCR2，一个0.8B参数端到端文档解析模型。在OmniDocBench v1.6上以96.58综合得分登顶，首次超越流水线方法。该模型由Qwen3.5-0.8B后训练得到，采用SFT、RL、在线策略蒸馏和模型融合四阶段训练。以Apache 2.0开源，兼容vLLM和Qwen3.5推理生态，可无缝集成。
AI模型OvisOCR2阿里云文档解析
推荐理由：阿里新开源的0.8B模型OvisOCR2，端到端做文档解析，96.58分刷榜OmniDocBench，比传统流水线方法强。小模型就能做到，部署还简单，搞RAG、知识库的可以试试。
原文
13:00
13:00shao__meng@shao__meng
精选
LandingAI 正式将 ADE Skills 整合到 Claude Code 中，安装只需两条命令后 reload 即可使用。该技能能让 Coding Agent 在 IDE 内将复杂文档解析为带布局感知的结构化 Markdown，并支持按 JSON Schema 或 Pydantic 模型直接抽取字段。ADE Skills 可处理表格、表单、多栏、扫描件等文档，支持视觉 grounding（bounding box + 置信度）和大规模异步处理，最大约 1GB / 6000 页。主要包含 document-extraction 和 document-workflows 两个 skill，后者可实现批量并行、classify-then-extract、RAG 准备及导出 DataFrame/CSV/Snowflake 等功能。
AI产品LandingAIADE SkillsClaude Code
推荐理由：LandingAI 把文档解析和字段抽取做成了 Claude Code 的插件，装两条命令就能直接在 IDE 里处理 PDF、扫描件，还能按模型抽字段，不用再切工具了。
原文
02:59
02:59LlamaIndex@llama_index
LlamaIndex 发布 Go SDK、Java SDK 和 CLI，允许开发者用几行代码从 Go 或 Java 解析文档，或直接从终端操作。用户需获取 API 密钥即可开始使用。新工具扩展了 LlamaParse 的集成方式，降低不同语言开发者的接入门槛。
AI产品LlamaIndexGo SDKJava SDK
推荐理由：LlamaIndex 刚发了 Go 和 Java 的 SDK，再加一个 CLI，几行代码就能解析文档，写代码的可以试试。
原文
7月23日
04:30
02:21
7月17日
02:03
7月10日
09:44
09:44官方一手arXiv: DeepSeek@Zuming Huang, Jun Huang, Kexuan Ren, Baode Wang, Weizhen Li, Jianming Feng, Yu Wang, Yichen Yao, Shijun Lin, Yige Tang, Cheng Peng, Weidi Xu, Wei Chu, Yinghui Xu, Yuan Qi
精选
Infinity-Parser2 是一个大型多模态模型，通过可控数据合成管道和多任务强化学习实现端到端文档解析。研究团队构建并开源了包含500万样本的中英双语数据集Infinity-Doc2-5M，涵盖多种文档类型和标注形式。模型采用8个联合训练目标，包括文档解析、布局分析、表格/数学公式/图表/化学公式解析及文档VQA。Infinity-Parser2-Pro 在olmOCR-Bench上达到87.6%，在ParseBench上达到74.3%，超越DeepSeek-OCR-2、PaddleOCR-VL-1.5和MinerU2.5。Flash变体推理吞吐量较Infinity-Parser-7B提升3.68倍。
AI模型Infinity-Parser2多模态模型文档解析
推荐理由：Infinity-Parser2 用多任务强化学习搞定文档解析，开源了500万样本数据集，Pro版在OCR基准上刷新纪录，Flash版速度快3倍多。适合做文档智能处理的开发者。
原文
7月9日
07:47
07:47Jerry Liu@jerryjliu0
LlamaParse新增三个功能：用户元数据标签允许为每个解析任务附加自定义标签并回传；使用标签可按项目或团队筛选解析用量和成本；签名Webhook通过HMAC签名确保回调真实性。这些功能帮助处理每日数百万文档的团队精细追踪使用情况和成本。
AI产品LlamaParseLlamaIndex文档解析
推荐理由：LlamaParse现在能让你给每个解析打标签，按项目团队看成本，还能用签名webhook安全触发工作流。处理大量文档更可控了。
原文
06:22
7月8日
07:03
7月6日
12:45
12:45shao__meng@shao__meng
精选
LandingAI 提出 Agentic Document Extraction (ADE) 范式，将传统文档解析的盲抽改为先分类后抽取。ADE Classify 阶段对 PDF 逐页并发评估，分配类别标签（如工资单、银行流水），outlier 页面标记兜底。ADE Extract 阶段按类别应用对应 Pydantic schema（工资单字段：雇员姓名、发薪周期、毛薪、净薪；银行流水：银行名、账号、余额）。每个抽取值附带 chunk reference 和 page-level bounding box，实现值到源图物理坐标的可溯源审计。该范式解决了税表里抽净薪资、身份证页抽账户号等字段错配问题。
技巧LandingAI文档解析MCP/工具
推荐理由：LandingAI 这个思路很实在：先让解析器看懂每一页是什么，再针对不同页面用不同字段模板抽。比一套模板通吃靠谱多了。
原文
7月5日
11:10
11:10官方一手marktechpost@Michal Sutter
精选
2026年，多数企业数据仍存储在PDF、扫描件和幻灯片中。开源文档提取模型可在本地硬件上将它们转为结构化JSON。但“PDF转JSON”涵盖两种不同问题：架构驱动提取和通用提取。选择合适的模型取决于目标格式和文档类型。
技巧PDF提取JSON开源模型
推荐理由：这篇指南帮你分清两类PDF提取任务，不用纠结选哪个开源模型。适合自己搭管线的开发者。
原文
7月1日
03:17
03:17Jerry Liu@jerryjliu0
LlamaIndex推出LlamaParse和LiteParse，分别针对文档解析的三个关键场景：高精度解析要求99%+准确率，面向金融和保险等监管行业，价格不敏感；低成本高吞吐解析支持代理批量处理大量文档；低延迟低成本解析适配用户临时上传大量文件（如1000个PDF给Claude Cowork）的代理循环。LlamaParse覆盖成本-精度模式，LiteParse为开源项目，可路由至VLM深度解析模式。所有测试结果可在ParseBench查看。
AI产品LlamaParseLiteParseLlamaIndex
推荐理由：LlamaIndex这次把文档解析的三种场景都做了：高精度的、低成本大批量的、还有低延迟实时的。有LlamaParse和开源LiteParse，不同需求直接用对应的就行。
原文
6月28日
01:43
6月27日
13:23
6月26日
00:24
6月25日
15:45
15:45IT之家（博客/媒体）
精选71°
百度于6月22日开源Unlimited OCR模型，总参数30亿，推理时仅激活5亿参数。该模型基于DeepSeek OCR架构，采用两级视觉编码和16倍token压缩，将1024×1024的PDF图像压缩为256个视觉token。训练基于DeepSeek OCR检查点继续训练4000步，使用约200万文档样本，在8×16 A800 GPU上运行。在OmniDocBench v1.5上整体得分93.23，高于DeepSeek OCR的87.01和DeepSeek OCR 2的89.17。文本编辑距离0.038，公式CDM 92.61，表格TEDS 90.93，读序编辑距离0.045。
AI模型Unlimited OCRDeepSeek OCR百度
事件专题
推荐理由：百度开源了一个能一次性解析长文档的OCR模型，不再越处理越慢，性能还超过了DeepSeek OCR。
原文
6月24日
12:40
12:40小互@imxiaohu
精选
百度发布新 OCR 模型 UnlimitedOCR，支持单次推理解析数百页文档，同时保持高吞吐速度。在 OmniDocBench v1.5 基准上，其准确率达到 93%，比原始 DeepSeek-OCR 基线提升 6 个百分点。模型已开源，可在 Hugging Face 和 GitHub 下载。
AI模型UnlimitedOCRBaiduOmniDocBench
事件专题
推荐理由：百度新出的 UnlimitedOCR 能一次处理几百页，速度还很快，直接比 DeepSeek-OCR 高了 6 个点，真正好用。
原文
03:42
03:42官方一手marktechpost@Asif Razzaq
精选
Datalab发布了lift，一个9B参数的开源视觉模型。该模型能将PDF与图像转换为符合给定schema的JSON结构。它使用schema约束解码确保输出有效，并训练弃权机制避免幻觉，在225份文档的基准上达到90.2%的字段准确率。
AI模型Datalablift视觉模型
推荐理由：Datalab的lift模型能自动把PDF转成你需要的JSON格式，准确率90.2%，还不会瞎编字段。
原文
6月21日
04:25
6月20日
21:03
01:30
6月13日
13:13
6月10日
07:16
07:12
07:12Jerry Liu@jerryjliu0
LlamaIndex 在 LlamaParse 中推出了细粒度边界框功能，能够为文档中的每个单词、行和表格单元格提供精确的视觉坐标。这使得 AI 代理在提取信息时，可以追溯到文档中的具体位置，而不仅仅是段落或页面。该功能专为审计、合规审查和需要验证的 AI 工作流设计，解决了知识工作自动化中决策可审计性的关键痛点。用户现在可以在 cloud.llamaindex.ai 上体验。
AI产品LlamaParse文档解析审计溯源
推荐理由：做文档解析、合规审计或金融分析的团队终于有了可验证的溯源方案——LlamaParse 的逐词边界框让 AI 提取的每个数字都能精确定位到原文，审计流程不再靠‘大概在这页’糊弄，建议直接试用。
原文
02:48
02:48LlamaIndex@llama_index
LlamaIndex 宣布在 LlamaParse 中推出 Granular Bounding Boxes 功能，能够为文档中每个提取值提供词、行、单元格级别的精确坐标。这意味着审计或合规团队可以追踪每个数值的原始来源，而不仅仅是段落或表格块。该功能专为审计工作流、合规审查以及任何需要验证的管道设计，解决了 AI 提取结果难以追溯的问题。用户现在可以查看每个值在文档中的确切位置，从而建立完整的可验证溯源链。
AI产品文档解析溯源/审计LlamaParse
推荐理由：做合规、审计或金融文档处理的团队终于有了可追溯的 AI 提取方案——LlamaParse 的精确坐标让每个数值都有据可查，建议直接集成到你的文档处理管道中。
原文
6月5日
01:22
01:22LlamaIndex@llama_index
72°
LlamaIndex 在 CVPR 2026 上发布了 ParseBench，这是首个专为 AI 智能体设计的文档解析基准测试。该基准包含 2000 多页人工验证的页面、167K+ 测试规则，覆盖表格、图表、忠实度、格式和接地性五个维度。团队认为文档理解是 AGI 完备问题，因为智能体无法正确读取文档就无法有效行动，而真实企业表格的解析难度远超表面所见。ParseBench 完全开源，旨在推动文档解析能力的发展。
AI产品文档解析智能体基准测试
推荐理由：做文档解析或构建 AI 智能体的团队终于有了一个标准化的评测工具——ParseBench 覆盖了企业级表格、图表等真实难点，建议直接拿来评估你的解析管线。
原文
6月2日
09:58
09:58LlamaIndex@llama_index
LlamaIndex 团队宣布将参加 Snowflake Summit 2026，在展台与参会者交流。他们聚焦于解析复杂文档和让智能体以人类级精度读取非结构化上下文。这标志着 AI 基础设施市场的持续火热，也展示了 LlamaIndex 在文档解析和智能体应用方面的最新进展。
AI产品文档解析智能体非结构化数据
推荐理由：做文档解析和智能体开发的团队值得关注——LlamaIndex 在 Snowflake Summit 上展示的复杂文档解析能力，能直接提升非结构化数据处理效率，建议开发者留意后续技术分享。
原文