Infinity-Parser2 技術報告：多模態文件解析大模型
arXiv - Artificial IntelligenceZuming 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
開發出結合可控數據合成與多任務強化學習的大型多模態模型，實現高精度的端到端文件解析。
AI 幫你先抓重點
AI 重點 1
解決了高品質標註數據稀缺的瓶頸問題
滑鼠懸停看 AI 判斷理由
透過可控的渲染框架與迭代優化循環來合成數據，這證明了在缺乏真實標註時，高品質的合成數據能有效驅動複雜多模態任務的進步。
AI 重點 2
將感知、結構與推理整合於單一優化信號中
滑鼠懸停看 AI 判斷理由
傳統模型往往將佈局分析與內容提取分開，而此模型透過多任務強化學習實現統一，這對於處理具有高度邏輯結構的文件（如科學論文）至關重要。
核心研究發現
- 1
建構了包含 500 萬個中英雙語樣本的 Infinity-Doc2-5M 語料庫，涵蓋 Markdown、HTML、LaTeX 及結構化圖表等多種格式。
- 2
引入可驗證的多任務獎勵系統，透過聯合強化學習同時優化解析、佈局分析、表格、數學公式及化學式等多項目標。
- 3
Infinity-Parser2-Pro 在 olmOCR-Bench 達到 87.6% 的 SOTA 表現，在 ParseBench 達到 74.3%，超越了 DeepSeek-OCR-2 等模型。
- 4
推出兩款模型版本：追求精準度的 Pro 版與追求低延遲、吞吐量提升 3.68 倍的 Flash 版。
對教育工作者的啟發
對於教育科技開發者而言，此技術能極大地提升數位教材轉化的效率。例如，能將複雜的科學教科書、包含大量數學公式與化學結構的 PDF 自動轉化為結構化的 Markdown 或 HTML 格式，這對於建立可互動的數位學習環境、支援無障礙閱讀（如語音輔助）以及開發自動化評量系統具有極高的應用價值。此外，其 Flash 版本的高吞吐量特性，適合整合進需要即時反應的學習應用程式中。
原始文獻資訊
- 英文標題：
- Infinity-Parser2 Technical Report
- 作者：
- 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
- 來源：
- arXiv - Artificial Intelligence
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。